Sự đánh đổi thành kiến là một khái niệm cơ bản trong máy học tập, bao gồm cả việc học hỏi sâu. nó mô tả sự cân bằng giữa khả năng của một mô hình để phù hợp với các dữ liệu đào tạo và khả năng tổng quát hóa dữ liệu mới. hiểu này trao đổi giúp thiết kế mô hình hiệu quả trên dữ liệu không nhìn thấy.

Bias là gì?

Bias đề cập đến lỗi được đưa ra bởi ứng dụng một vấn đề thực tế với một mô hình đơn giản. thành kiến cao có thể gây ra thiếu phù hợp, khi mô hình không ghi lại được những mẫu bên trong dữ liệu. trong việc học tập sâu, mô hình quá đơn giản hoặc không đủ đào tạo có thể dẫn đến thành kiến cao.

Đa dạng là gì?

Các phép tính khác nhau của mô hình thay đổi bao nhiêu khi được đào tạo theo các bộ dữ liệu khác nhau. biến đổi cao cho thấy rằng mô hình nhạy cảm với các dao động trong dữ liệu đào tạo, thường dẫn đến sự phù hợp. mạng thần kinh sâu với nhiều tham số có xu hướng thay đổi cao nếu không được thường xuyên hóa.

Giữ thăng bằng giữa hai loại khác nhau

Một mô hình với thành kiến và sự biến đổi thấp và ít biến đổi là lý tưởng nhưng khó đạt được.

Những sự cầu xin thực tế

Hiểu được sự thay đổi định kiến hướng dẫn chọn lọc và huấn luyện. chẳng hạn, tăng mô hình phức tạp giảm thành kiến nhưng có thể làm tăng sự biến đổi. ngược lại, đơn giản hóa mô hình có thể giảm thiểu sự biến đổi nhưng tăng thành kiến. chỉnh sửa đúng đắn là cần thiết cho hiệu suất tối ưu hóa tối ưu.