2nd/10_Wiki/Topics/Bias-Variance-Tradeoff.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
P-REINFORCE-AI-BIAS-VAR	10_Wiki/💡 Topics/AI	1.0	Bias Variance Tradeoff Overfitting Underfitting Machine Learning	2026-04-20

Bias-Variance-Tradeoff (편향-분산 트레이드오프)

📌 한 줄 통찰 (The Karpathy Summary)

"너무 단순해도, 너무 복잡해도 망한다." 모델이 데이터를 너무 대충 배워 생기는 오차(Bias)와, 너무 깐깐하게 배워 생기는 오차(Variance) 사이의 황금 밸런스를 찾는 머신러닝의 숙명적 과제다.

📖 구조화된 지식 (Synthesized Content)

• High Bias (Underfitting):
  • 모델이 너무 단순하여 데이터의 본질적 패턴을 잡지 못함. (예: 곡선을 직선으로 설명하려 할 때)
• High Variance (Overfitting):
  • 모델이 너무 복잡하여 데이터의 노이즈까지 다 외워버림. 새로운 데이터를 넣으면 엉뚱한 결과가 나옴.
• Total Error Reduction:
  • 편향과 분산의 합이 최소가 되는 지점이 바로 모델의 일반화 성능(Generalization)이 가장 높은 구간이다.

⚠️ 모순 및 업데이트 (RL Update)

• 최근의 초거대 모델(LLM)들은 'Double Descent' 현상에 의해, 모델을 극한으로 키우면 오히려 분산이 다시 줄어들며 성능이 좋아지는 기이한 현상이 발견되고 있다. 이는 전통적인 트레이드오프 이론을 재정립하게 만들고 있다.

🔗 지식 연결 (Graph)

• Related: Regularization-Techniques , Model-Optimization-Strategies
• Foundation: Computational Theory & Math/Information Theory