Definire l’Equilibrio
Il tradeoff tra bias e variance è un equilibrio delicato. Un modello con basso bias ma alta variance può essere così preciso sui dati di training da perdere generalizzazione.
L’obiettivo è minimizzare la somma totale degli errori, scegliendo architetture che consentano una complessità controllata.
Strumenti per Misurare l’Equilibrio
- Curva di apprendimento: confronta errore training vs test in funzione del numero di epoche
- Valutazione con cross‑validation stratificata per garantire rappresentatività dei dati
- Metrica RMSE o MAE per monitorare errori su set diversi