-
近似误差:可以理解为对现有训练集的训练误差。
近似误差,更关注于“训练”。
-
估计误差:可以理解为对测试集的测试误差。
估计误差,更关注于“测试”、“泛化”。
本文探讨了机器学习中两种重要的误差概念——近似误差与估计误差。近似误差主要关注训练过程中的误差表现,而估计误差则侧重于模型在未知数据上的泛化能力。理解这两种误差有助于更好地评估模型性能。
近似误差:可以理解为对现有训练集的训练误差。
近似误差,更关注于“训练”。
估计误差:可以理解为对测试集的测试误差。
估计误差,更关注于“测试”、“泛化”。
538
707
355
1万+

被折叠的 条评论
为什么被折叠?