【机器学习】——方差和偏差、Bagging(1)
假设每次采样都是从有噪声ε的函数f(x)中采样数据用于学习f_hat通过学习使得f_hat与 真实的f 尽可能的相近(这是个回归问题可以用最小MSE(均方误差)来实现)我们学习到之后需要通过 泛化误差 来衡量它;在统计学习中,我们想通过学习来使得模型能泛化到没有学习过的样本,所以我们需要优先优化 [y-f(x)_hat]^2 的期望值 = 偏差^2 + 方差 +噪声^2在统计学习中,我们可以把泛化误差分解为 偏差、误差和噪声三项;集成学习能够将多个模型组合起来来降低偏差和。
复制链接