تا حالا شده مدلت روی داده‌های آموزشی عالی کار کنه،اما وقتی داده‌ی جدید بهش می‌دی، کاملاً خراب کنه؟

به احتمال زیاد گرفتار دو دشمن قدیمی یادگیری ماشین شدی:
Bias (سوگیری) و Variance (واریانس).

مدلی که Bias بالا داره، دنیا رو زیادی ساده می‌بینه.
همه‌چیز رو با چند قانون ساده توضیح می‌ده، اما واقعیت پیچیده‌تر از این حرف‌هاست.

در مقابل، مدلی که Variance بالا داره، به جزئیات چسبیده.
هر نویز و استثنا رو حفظ کرده، اما توی موقعیت جدید گیج می‌شه.

راز موفقیت؟
پیدا کردن نقطه‌ی تعادل بین این دو.
همون چیزی که بهش می‌گیم:
Bias–Variance Tradeoff

مدلی که در این تعادل قرار بگیره، نه فقط داده‌ها رو حفظ می‌کنه و نه حدس می‌زنه بلکه میفهمه
@misspython3