modelkompleksitet
Modellkomplexitet beskriver en modells kapacitet att fånga variation i data. En högre komplexitet gör det möjligt att anpassa sig till fler mönster, men ökar samtidigt risken för överanpassning och därmed minskad generalisering till ny data. Begreppet innefattar både vad modellen kan göra och hur den används i praktiken, samt hur den kommunicerar osäkerhet och felaktiga antaganden.
Faktorer som påverkar komplexiteten inkluderar antalet parametrar och hur fritt de kan variera, val av arkitektur
Huvudpoängen är bias-varians-avvägningen: mycket enkla modeller har hög bias men låg varians och kan misslyckas fånga
Användningen av modellkomplexitet varierar med datauppsättningens storlek och mål. Vid mycket stora data kan komplexa modeller