โดยทั่วไป เมื่อเพิ่มความแรงของ regularization ผลใดอาจเกิดขึ้น
กความซับซ้อนและ variance ลดลง แต่หากแรงเกินไป bias อาจเพิ่มจน underfit
ขโมเดลทุกชนิดแม่นขึ้นเสมอ เพราะ overfitting ถูกกำจัดทั้งหมด
คทั้ง bias และ variance ลดลงพร้อมกัน โดยไม่ขึ้นกับข้อมูลหรือความแรง
งไม่จำเป็นต้องมี validation หรือ test set เพราะพารามิเตอร์ถูกจำกัดแล้ว
เฉลยอธิบาย
Model selection and evaluation สนับสนุนหลักว่า การเลือกโมเดล เมตริก threshold และวิธี cross-validation ต้องสอดคล้องกับชนิดข้อมูล ต้นทุนความผิดพลาด และการใช้งานจริง ดังนั้นคำตอบที่ตรงที่สุดคือ “ความซับซ้อนและ variance ลดลง แต่หากแรงเกินไป bias อาจเพิ่มจน underfit”