Ini mungkin pertanyaan mendasar: Apa perbedaan antara bias dan kekurangan? Dan, secara analog, apa perbedaan antara varians dan overfitting? Apakah ketentuan masing-masing pasangan memiliki arti yang sama? Jika tidak, apa bedanya?
Ini mungkin pertanyaan mendasar: Apa perbedaan antara bias dan kekurangan? Dan, secara analog, apa perbedaan antara varians dan overfitting? Apakah ketentuan masing-masing pasangan memiliki arti yang sama? Jika tidak, apa bedanya?
Jawaban:
Mereka tidak persis berarti hal yang sama, tetapi mereka berkorelasi dengan cara berikut:
Over fitting terjadi ketika model menangkap noise dan outlier dalam data bersama dengan pola yang mendasarinya. Model-model ini biasanya memiliki varian tinggi dan bias rendah. Model-model ini biasanya kompleks seperti Decision Trees, SVM atau Neural Networks yang cenderung terlalu pas.
Under fitting terjadi ketika model tidak dapat menangkap pola data yang mendasarinya. Model-model ini biasanya memiliki varian rendah dan bias tinggi. Model-model ini biasanya sederhana yang tidak dapat menangkap pola kompleks dalam data seperti Linear dan Regresi Logistik.