机器学习中的偏差方差分析&数据增扩方式

偏差&方差Def:

• 偏差（Bias）：

• • 衡量一个模型的拟合能力

  • 模型的平均性能和最优模型的差异，模型的预测与真实值的差

  • 训练集上的性能（贝叶斯最优误差&训练误差 之间的差异为可避免偏差）

• 方差（Variance）：

• • 模型在不同训练集上的差异

  • 用来衡量一个模型是否容易过拟合

  • 验证集上的性能（训练误差&验证误差 之间的差异）

Tips：

方差	偏差	结论
高		过学习
	高	学习不足
低	低	最优模型
高	高	建议重开
低	高	模型/数据集有问题

调超参数用了验证集，其它的用的是数据集更新。

数据增扩：

众所周知，数据就是王道，但很多时候数据集有限，就需要数据增扩

以图像处理为例，有以下方式：

• 翻转、旋转、剪切、扭曲、模糊、色彩变化

  有建议欢迎指出，也欢迎友好交流！另也欢迎关注其他平台上本人的账号 如下：

  知乎：youzuos

  小红书：知识薪火站

  CSDN：youzuos

  感谢支持！