本文探讨了机器学习项目中常见的偏差与方差问题，如何通过学习曲线判断模型状态，以及如何选择合适的模型和调整参数。针对高偏差和高方差情况，提供了具体的解决策略，包括增加数据、特征工程和应用正则化。
目录:
+ 决定下一步做什么
+ 评估假设
+ 模型选择和训练，验证，测试集
+ 诊断偏差与方差
+ 正则化和偏差与方差
+ 学习曲线
+ 决定接下来做什么
一·决定下一步做什么
二·评估假设
画图在多特征下不适用
三·模型选择和训练，验证，测试集
四·诊断偏差与方差
如果算法处于高偏差的情况，那么你的训练集误差会很大，因为假设不能很好地拟合训练集数据，
而当你处于高方差的问题时，训练误差通常都会很小，并且远远小于交叉验证误差。
五·正则化和偏差与方差
六·学习曲线
在高偏差下增加数据项无益
在高方差下增加数据项有益
七·决定接下来做什么
扫一扫
1388
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
