来自：FRM > 一级 > Quantitative Analysis 2022-11-07 21:45
老师，请问为什么这两道题关于方差偏差取舍中，关于大模型（解释变量多的模型）的偏差说法不一样？
查看更多
ann
提问
95
上次登录
182天前
查看更多
ann
提问
95
上次登录
182天前
liuxuyao 2022-11-08 15:28
致精进的你:
同学，因为是分情况的哈，在样本内拟合的好R^2高，一般在样本外是偏差较大哈
The real talent is resolute aspirations.
真正的才智是刚毅的志向。
追问12022-11-10 21:37
所以，老师的意思是，在样本外拟合得好会导致bias大。 33题中A指自变量多的模型会有更高的bias error是正确的；但是一般而言自变量多的模型bias低且参数（估计量？）方差大，参数不精确。 这是不是是因为33题中，若是自变量多到overfit的程度，反而会导致样本外拟合增大，反而使得bias增加？
回答2022-11-11 14:40
对的同学，在一个实际系统中，Bias与Variance往往是不能兼得的。如果要降低模型的Bias，就一定程度上会提高模型的Variance，反之亦然。造成这种现象的根本原因是，我们总是希望试图用有限训练样本去估计无限的真实数据。当我们更加相信这些数据的真实性，而忽视对模型的先验知识，就会尽量保证模型在训练样本上的准确度，这样可以减少模型的Bias。但是，这样学习到的模型，很可能会失去一定的泛化能力，从而造成过拟合，降低模型在真实数据上的表现，增加模型的不确定性。相反，如果更加相信我们对于模型的先验知识，在学习模型的过程中对模型增加更多的限制，就可以降低模型的variance，提高模型的稳定性，但也会使模型的Bias增大
