Basic Concept
1、Bias(偏移量)和Variance(方差):
Bias: 所有点的平均值f*与目标值f的距离。(较复杂的Model Bias较小,但数据训练时可能会出现overfitting情况)
Variance: 所有点的散落程度,越小说明点越聚集,越大越发散。(简单的Model Variance较小,因为简单的Model幂次小,不太受数据波动的影响)
Overfitting:Model的error(误差)来自于variance太大。
Underfitting:Model的error(误差)来自于bias太大。
Regularization(正则化):很多不同情况中同一个例子组成的函数图像可能会比较杂乱,因为每个情况的不定因素有很多,这时候可以用Regularization的方法使曲线变平滑些。