Dies könnte eine grundlegende Frage sein: Was ist der Unterschied zwischen Voreingenommenheit und Unteranpassung? Und was ist analog der Unterschied zwischen Varianz und Überanpassung? Bedeuten die Begriffe jedes Paares dasselbe? Wenn nicht, was ist der Unterschied?
Antworten:
Sie bedeuten nicht genau dasselbe, aber sie sind auf folgende Weise korreliert:
Eine Überanpassung tritt auf, wenn das Modell das Rauschen und die Ausreißer in den Daten zusammen mit dem zugrunde liegenden Muster erfasst. Diese Modelle weisen normalerweise eine hohe Varianz und eine geringe Vorspannung auf. Diese Modelle sind normalerweise komplex wie Entscheidungsbäume, SVM oder neuronale Netze, die zu Überanpassungen neigen.
Unteranpassung tritt auf, wenn das Modell das zugrunde liegende Muster der Daten nicht erfassen kann. Diese Modelle haben normalerweise eine geringe Varianz und eine hohe Vorspannung. Diese Modelle sind normalerweise einfach und können die komplexen Muster in den Daten wie lineare und logistische Regressionen nicht erfassen.