1、模型与风险
在模型评价时会有理想情况和现实情况(现实情况分为两种)
在学习过程中最重要的是损失函数:
还有其他损失函数。
损失函数是用来量化模型预测和真实标签之间的差异。比如说我们模型预测出来是,而我们真实数据是,实际上损失函数就是来衡量他们之间的一个差异。
2、偏差与方差
偏差(Bias):是指一个模型在不同训练集上的平均性能和最优模型的差异,可以用来衡量一个模型的拟合能力。(偏差表示离你最优的模型离得是否远)
一般偏差越小,模型和最优模型之间的差距就越小,即模型的拟合能力越强。
方差:是指一个模型在不同训练集上的差异,可以用来衡量一个模型是否容易过拟合