您想根据模型的执行和泛化程度来决定这一点。如果您的模型拟合不足，您希望增加模型的复杂性，增加方差并减少偏差。如果您的模型过度拟合，您希望对模型进行正则化和/或为其提供更多训练数据，从而减少方差并增加偏差。

在我看来，您应该执行以下操作：

1）尽量减少偏差。这通常可以通过选择更复杂的模型来实现。完成此步骤是为了确保您的模型有足够的容量来解决问题。但是，这会导致您的模型过拟合。

2）对上述模型进行正则化以减少其方差。这可以通过规范惩罚（L1、L2 等）、提前停止或其他特定于模型的技术（神经网络的 dropout、决策树的修剪等）来完成。