1.看图
可以看到,如果是处于high bias问题,那么training和test set的cost都会很大
如果是处于high variance问题,那么training set的cost很小,而test set的cost会很大
2. regularization与bias 以及variance的关系
可以看到,当我们将正则项的lambda设的很大时,惩罚项很重,曲线变得所有系数都趋于0,一条横线
而第三个是当lanbda很小的时候,这时候曲线就会过拟合。
一般的做法是使用validation来选择合适的lambda,然后作用在test set上。
我们看看lambda的值对training set与test set的cost的影响曲线:
lambda太小,则出现high variance问题,反之,则出现high bias 问题,只有正好处于中间某个值,才会fit well。
3.Learning Curve
画出Learning Curve有助于让你了解你当前的模型处于bias or variance阶段,便于你调整。