算法的期望泛化误差:E(f:D)=bias^2(x)+var(X)+m^2
bias(偏差):度量了算法的期望预测与真实结果的偏离程度。表示学习算法本身的拟合能力。
var(方差):度量了同样大小的训练集的变动所导致的学习能力的变化。表示了数据扰动所造成的影响。
m(噪声):表示了在当前任务上任何学习算法所偶能达到的期望泛化误差下界,刻画了学习问题本身的难度。
算法的期望泛化误差:E(f:D)=bias^2(x)+var(X)+m^2
bias(偏差):度量了算法的期望预测与真实结果的偏离程度。表示学习算法本身的拟合能力。
var(方差):度量了同样大小的训练集的变动所导致的学习能力的变化。表示了数据扰动所造成的影响。
m(噪声):表示了在当前任务上任何学习算法所偶能达到的期望泛化误差下界,刻画了学习问题本身的难度。