本文属于我的机器学习/深度学习系列文章,点此查看系列文章目录
前言
误差是用于衡量模型预测与真实结果的度量,其给出了预测输出与样本真实输出之间的差异。因此,误差分析也是机器学习中不可避免的一环。本文将详细讲述误差分析的过程以及模型过拟合、欠拟合等的原理。
文章参考了UCAS张新峰老师的课件,也是我自己的学习笔记
误差分类
按照误差产生的数据样本不同,可以将误差分为:
- 训练误差:模型在训练集上的误差
- 泛化误差:模型在新样本上的误差
训练误差很容易进行分析,因为是在有限的训练样本上进行误差分析,只需要确定好误差(损失)函数,就可以计算得到预测输出和真实结果的差距。但泛化误差由于我们无法获得所有的测试样本,只能通过有限的测试集去计算误差,因此泛化误差分析要更为复杂。模型过拟合与欠拟合就是泛化误差分析得到的结果。
泛化误差分析
不妨设有训练集 D t r a i n = { ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x n , y n ) } D_{train} = \{\mathbf (x_1,y_1),(\mathbf x_2,y_2),...,(\mathbf x_n,y_n)\} Dtrain={
(x1,y1),(x2,y2),...,(xn,yn)},且数据 x \mathbf x x与标签 y y y之间存在真实模型关系如下:
y i = f t r a i n ( x i ) = f t r u e ( x i ) + ε i (1) y_i = f_{train}(\mathbf x_i) = f_{true}(\mathbf x_i) + \varepsilon_i \tag{1} yi=ftrain(xi)=ftrue(xi)+εi(1)
其中 ε i \varepsilon_i εi表示噪声(训练模型和真实模型之间存在误差),均值为0,方差为 σ 2 \sigma^2 σ2。
在训练集上,我们通过定义误差函数来求解优化得到训练模型 f t r a i n ( x ) f_{train}(\mathbf x) ftrain(x),误差函数如下:
min w t r a i n E r r ( w , D t r a i n ) = 1 n ∑ i = 1 n ( f t r a i n ( x i ) − y i ) 2 (2) \min_{\mathbf w}trainErr(\mathbf w,D_{train}) = \frac{1}{n}\sum_{i=1}^n(f_{train}(\mathbf x_i)-y_i)^2 \tag{2} wmintrainErr(w,D