重要的不是你被击倒的次数，而是你重新站起来的次数。
就数据科学家面试而言，讨论偏差与方差的权衡是我遇到的最常见的话题之一，无论是作为过去接受面试的人，还是最近作为面试候选人或参加此类面试的人。在这篇文章的后面，我们将讨论什么是偏差-方差权衡以及为什么它在深度学习练习中的工作方式不同，但让我解释一下为什么我认为这个话题在确定两者的数据科学家候选人的机器学习知识广度时不断出现入门级和经验级。
作为机器学习科学家，我们花费大量的时间、精力、精力和计算资源来训练出色的机器学习模型，但我们始终知道我们的模型在推广时会存在一定程度的误差，也称为测试误差。经验不足的数据科学家倾向于专注于学习新的建模方法和算法，我确实认为这是一项健康的练习。然而，经验丰富的数据科学家随着时间的推移学会了如何更好地理解和处理这些训练模型中不可避免存在的测试错误。