模型误差的来源

误差有两个方面:bias和variance。
简单的模型(如线性模型),variance比较小,且不容易受样品数据影响,不易过拟合。与此相反,复杂的模型的bias比较小。
如果你的模型都不能拟合训练数据,训练error比较大,说明模型欠拟合。这种情况下,需要重新设计你的模型,可能包括增加更多的特征或增加模型的复杂度。
如果你在训练集上可以得到很小的error,但在test集上却error很大,说明模型过拟合导致方差很大。在variance很大的情况下,有三种改进的方法:增大训练集、正则化、dropout。增大训练集可以同时降低bias和variance。数据集可能可以用各种方法人工产生。另一种方法是正则化,正则化有可能会伤害bias。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值