机器学习的方差与偏差 方差与偏差,总是迷迷糊糊的,每次看了就会,过了就忘。今天看到一个非常棒的解释,迫不及待马上整理下来了。 机器学习的目标函数 机器学习模型学习的是数据集的条件概率分布,得到一个决策函数。整个学习过程围绕着最小化(或者最大化)目标函数进行优化参数,目标函数的通常形式的定义是: Obj = L(θ) + λΩ(θ) L(θ) 是损失函数,衡量模型对训练集拟合程度的好坏(对应偏差); Ω(θ) 是正则项,是衡量模型的复杂程度(对应方差); 目标函数定义为损失函数和正则项两部分,是为了平衡模型的偏差和方差(Bias Variance Trade-off)。