เพิ่ม regularization แล้วผลที่คาดโดยทั่วไปคืออะไร — เมื่อนำมาใช้ในบริบทของธนาคารกำลังสร้างระบบประเมินความเสี่ยงสินเชื่อ ข้อใดใช้หลักวิทยาการข้อมูลได้ตรงที่สุด
กทำให้โมเดลทุกชนิดแม่นขึ้นเพราะลด overfitting แล้วใช้คะแนนเฉลี่ยแทนการตรวจ error รายกรณี
ขลดทั้ง bias และ variance พร้อมกันโดยไม่ขึ้นกับความแรง
คลดความซับซ้อน/variance แต่หากแรงเกินไปอาจเพิ่ม bias และ underfit
งทำให้ไม่จำเป็นต้องมี validation หรือ test set และไม่ตรวจว่าสมมติฐานของวิธีตรงกับข้อมูล
เฉลยอธิบาย
Model selection and evaluation อธิบายว่าการเลือกโมเดล เมตริก threshold และวิธี cross-validation ต้องสอดคล้องกับชนิดข้อมูล ต้นทุนความผิดพลาด และการใช้งานจริง เมื่อนำมาใช้กับโจทย์จึงต้องเลือก “ลดความซับซ้อน/variance แต่หากแรงเกินไปอาจเพิ่ม bias และ underfit” ส่วนตัวเลือกอื่นใช้ข้อมูลผิดช่วง เลือกเมตริกไม่ตรงเป้าหมาย หรือข้ามการตรวจผลกระทบที่จำเป็น