Podwójne zejście

W statystyce i uczeniu maszynowym podwójne zejście to zjawisko, w którym model statystyczny z małą liczbą parametrów i model z bardzo dużą liczbą parametrów mają mały błąd, ale model, którego liczba parametrów jest mniej więcej taka sama jak liczba punktów danych używanych do uczenia modelu będzie miało duży błąd. Zjawisko to wydaje się być sprzeczne z kompromisem między odchyleniami a wariancją w klasycznej statystyce, zgodnie z którym posiadanie zbyt wielu parametrów spowoduje bardzo duży błąd.

Zobacz też

Linki zewnętrzne