غيّر تعقيد النموذج وحجم العينة لترى خطأ التدريب يتناقص باطّراد بينما ينعطف خطأ الاختبار صعودًا، مُفكَّكًا إلى انحياز وتباين وضوضاء غير قابلة للاختزال.
خطأ التدريب مقابل خطأ الاختبار مع تزايد تعقيد النموذج.
قرب النقطة المثلى: خطأ الاختبار قريب من أدنى قيمة له.
ينخفض خطأ التدريب دائماً كلما ازداد النموذج مرونة، لذا فهو دليل مضلِّل. أما خطأ الاختبار فهو bias² + variance + irreducible noise: يبلغ أدناه حيث تتوازن القوتان، ثم يرتفع عندما يبدأ النموذج بمطابقة الضجيج. أضف بيانات (ارفع حجم العينة) فيتقلّص حد التباين، دافعاً النقطة المثلى نحو تعقيد أعلى وخافضاً منحنى الاختبار بأكمله.
يعمل بالكامل داخل متصفّحك. لا يُرفع أي شيء تُدخله ولا يُخزَّن.
التفكيك الدقيق لخطأ الاختبار المتوقّع إلى مربّع التحيّز والتباين والضجيج غير القابل للتقليص، مبرهَناً عددياً بمحاكاة من 2000 تكرار تُقاس فيها الحدود الثلاثة كلٌّ على حدة ويُتحقّق من أن مجموعها يطابق.
لماذا يكون خطأ التدريب تقديراً متحيّزاً لخطأ الاختبار، وكيف تعالج ذلك مجموعة التحقّق وطريقة ترك واحد وطريقة الطيّات k، مع حساب LOOCV على خمس مشاهدات مشاهدةً مشاهدة.