🔑 名詞卡
偏差-變異權衡（Bias-Variance Tradeoff）
🎯 定義
模型選擇的核心原則之一：偏差（Bias，模型擬合能力不足導致的系統性誤差，即欠擬合）與變異（Variance，模型對訓練資料細微差異過於敏感導致的泛化能力差，即過擬合）之間存在固有的取捨關係。
重點／應用
| 模型複雜度 | 偏差 | 變異 | 特性 |
|---|---|---|---|
| 低（如線性迴歸） | 高 | 低 | 穩定、具解釋性，但無法處理複雜關係 |
| 高（如深度神經網路） | 低 | 高 | 可擬合複雜模式，但需更多資料或正則化控制變異 |
記憶技巧
「簡單模型偏差高（學不會），複雜模型變異高（學太細）」——模型複雜度像蹺蹺板，選模型就是找蹺蹺板的平衡點。
易混淆
- vs 過擬合／欠擬合：過擬合對應「高變異」，欠擬合對應「高偏差」，偏差-變異權衡是解釋這兩個現象背後成因的理論框架。
📖 課文原文「模型選擇的核心原則之一是權衡偏差（bias）與變異（variance），兩者之間存在固有的取捨關係⋯模型複雜度的提升通常伴隨偏差的降低與變異的提高。」