本文介绍了偏差、方差、噪声和泛化误差的概念。偏差表示预测期望与真实值的误差，衡量算法的拟合能力；方差反映了算法在不同数据集上的预测稳定性；噪声是真实值与数据集标记值的误差，表示学习任务的难度；泛化误差由偏差、方差和噪声组成。图形解释了偏差与方差的关系，以及它们与模型复杂度、泛化误差的动态平衡，揭示了偏差-方差窘境。
一、概念：
插入概念：
期望：这里的期望是指数据集D的样本X通过预测模型f得到的预测值f(X,D)的预测期望。用公式可以做如下表示：
1、偏差（bias）：期望预测与真实值
的误差，记为
。一般可以表示为算法的拟合能力如何。
2、方差（var）：同一个算法在不同数据集D的预测值f1(X;D)和所有数据集平均预测值f2(X;D)的关系，一般可以理解为算法在不同数据集的稳定性。记为：
最低0.47元/天 解锁文章
扫一扫
1219
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
