解释机器学习中的偏差-方差权衡。

Explain the bias-variance trade-off in machine learning.

题目类型: 技术面试题

这是一道技术面试题，常见于澳洲IT公司面试中。

难度: medium

分类: Machine Learning

标签: Bias, Variance, Underfitting, Overfitting

参考答案摘要

答案 偏差代表模型假设过强导致欠拟合（训练与测试都差），方差代表模型对数据扰动过敏导致过拟合（训练好、测试差）。提升模型复杂度通常会降低偏差但提高方差。目标是在两者之间找到最优点，使测试误差最小。常用手段：正则化、数据增强、交叉验证选超参、集成学习降低方差、增加特征或更强模型降低偏差。

本题提供 STAR 原则详细解答和技术解析，登录匠人学院学习中心即可查看完整答案。