解释机器学习中的偏差与方差?
偏差:指的是模型在测试集上的预测输出与真实值之间的误差,刻画了算法本身的拟合能力。
方差:指的是模型在测试集上的预测输出与所有预测输出的平均值之间的误差,刻画了数据扰动所造成的影响,描述了模型的稳定性。
噪声:指的是训练时预测数据与真实值之间的误差平均值,刻画了学习问题本身的难度。
泛化误差:偏差、方差、噪声之和。
- 左上角是理想情况:偏差和方差都特别小,预测结果均集中在靶心位置,理想情况,除非有无穷的训练
解释机器学习中的偏差与方差?
偏差:指的是模型在测试集上的预测输出与真实值之间的误差,刻画了算法本身的拟合能力。
方差:指的是模型在测试集上的预测输出与所有预测输出的平均值之间的误差,刻画了数据扰动所造成的影响,描述了模型的稳定性。
噪声:指的是训练时预测数据与真实值之间的误差平均值,刻画了学习问题本身的难度。
泛化误差:偏差、方差、噪声之和。