李宏毅机器学习笔记（ 二）Basic Concept

最新推荐文章于 2024-10-13 16:52:53 发布
最新推荐文章于 2024-10-13 16:52:53 发布
阅读量174 收藏 1
点赞数
分类专栏： 机器学习笔记 文章标签： 概率论 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/syllasf/article/details/120206624
版权
本文探讨了机器学习中基础概念——方差（variance）和偏差（bias）。简单模型的方差通常较小，而复杂模型可能面临过拟合问题，即variance较大。理解并平衡bias和variance对于优化模型至关重要。当bias较高时，需要重新设计模型；当variance较高时，可以增加数据量或采用正则化。交叉验证是评估模型性能的有效方法，通过将数据集分为训练集和验证集来选择最佳模型。
摘要由CSDN通过智能技术生成

Basic Concept基础概念

variance（方差）

bias（偏见）

用多个m求期望就可以得到μv

希望两者都小

模型的提升 用不同的“宇宙” 找不同的𝑓∗

对于不同级别的modle 做100次实验

简

最低0.47元/天 解锁文章
syllasf
关注
专栏目录
李宏毅机器学习笔记
01-18
李宏毅机器学习笔记，文档文件，笔记全面，总结充分，仅供学习
【李宏毅机器学习2020】Basic Concept 基础概念（p4） 学习笔记
weixin_45947476的博客
11-24 215
李宏毅机器学习学习笔记汇总 课程链接 Review 越复杂的model，在testing data上的error未必越低。 error来自两个地方： biasvariance f_star是f_hat的一个估测值，f_star可能不等于f_hat，距离可能来自于bias，也可能来自于variance方差 估测变量...
Basic Concept
APythonC的博客
06-04 524
Basic ConceptWhere does the error come from?Bias and Variance of Estimator三级目录 Where does the error come from? 越复杂的model不见得会带给你越低的error error主要来源于 bias（偏差） 和 variance（方差） 了解了error的来源有助于采取适当的方法来improve你的model Bias and Variance of Estimator 均值、方差、样本估计总体、无偏估计
【李宏毅机器学习】Basic Concept 基础概念（p4） 学习笔记
duanyuchen的博客
07-16 612
Review 越复杂的model，在testing data上的error未必越低。 error来自两个地方： bias variance f_star是f_hat的一个估测值，f_star可能不等于f_hat，距离可能来自于bias，也可能来自于variance方差 估测变量x的mean均值（假设变量x的均值为μ，方差为σ^2）： ​ 先sample N个点，将其算平均值m，一般都不等于x的均值μ ​ 但是计算m的期望值，会正好等于μ N越大，分布越集中；N越小，分布越分散 估测x的σ^2
机器学习03 basic concept
weixin_39731450的博客
07-02 245
了解不同module误差的来源，从而来improve这个module bias variance
【学习笔记】李宏毅老师机器学习2020_Basic Concept
Fiona_9999的博客
08-07 226
Basic Concept 2020.8.7 为什么会有误差？ 一般有两个来源 bias variance 如果可以确定误差来源，就可以挑选适当的方法提高模型效果。 理论上最佳的方程，记为f^\hat{f}f^​，对我们来说是未知的。我们只能通过现有的训练集，找到我们能算出的最佳方程，记为f∗f^*f∗。f∗f^*f∗并不一定等于f^\hat{f}f^​，是f^\hat{f}f^​的估测值，两者的距离可能来自于Bias+Variance。 假设目前有一个变量xxx，实际的均值为μ\muμ，方差为σ2\s
李宏毅机器学习笔记--Basic Concept
苍雪的博客
07-27 209
Error Estimator(估算器） From training data we find f* , f* is an estimator of Bias and Variance of Estimator N比较大时，比较集中；N比较小时，比较分散。 Varience Simple model is less influenced by the sampled data Bias 简单的model有比较大的Bias...
【第一周】李宏毅机器学习笔记01
qq_30043925的博客
06-30 874
本周学习了机器学习的基本概念，包括机器学习的函数输入输出类型以及函数的分类，分别了解了简单模型和复杂模型的训练三步骤。认识了神经网络的的结构，了解了深度学习的训练三步骤，学习并手动推导了反向传播法，进一步理解了反向传播的思想以及反向传播中涉及的计算思路。
什么是方差
u013172930的博客
10-07 1011
本文介绍了方差和标准差的关系，方差的概念，方差的定义：1.总体方差；2.样本方差，方差的直观解释，方差的意义：1.度量数据的离散程度；2.模型评估中的应用；3.特征选择中的应用；4.偏差-方差权衡（Bias-Variance Tradeoff），并举例说明了计算的步骤。
概率论基础01_事件概率
l15202833159的博客
10-10 956
概率论、事件与概率
概率 随机变量以及分布
h0039490的博客
10-11 850
描述随机变量取值分布情况的函数，无论是离散型随机变量还是连续型随机变量，都可以通过分布函数来描述其概率特性。分布函数通常指的是累积分布函数（Cumulative Distribution Function, CDF），用 F(x) 表示。
概率 期望与方差
h0039490的博客
10-12 1105
衡量随机变量或一组数据的离散程度，反映了数据点与其平均值之间的偏离程度（方差越大，数据点越分散；方差越小，数据点越集中）。DX=E[]=E()-方差 DX ，平均差 二次根号DX对于两个随机变量 X 和 Y ，协方差定义为 Cov(X,Y)=E[(X−EX)(Y−EY)] =E(XY)−EXEY。
概率 多维随机变量与分布
h0039490的博客
10-12 552
已知另一个随机变量或事件的条件下，该随机变量的概率分布：F(x|A)=P(Xx | A)例如：概率密度函数如图，求在X>1的条件下f(x)的条件分布函数解：F(x | X>1) = P(Xx|X>1)=P(X求分子：P(1Xx) =1/dx = 1/- 1/4求分母：P(X>1) =1/= 1/= 1//2 - 1//4 = 1/4则整个结果为 （arctan(x)/-1。
人工智能之数理统计的各个知识点详解
m0_64879847的博客
10-10 978
人工智能之数理统计的各个知识点详解
数组综合应用（下标计数）C++
hjxxlsx的博客
10-08 997
HJ小学信息学社团每个同学都有且仅有一个数字编号（1~1000），现在帅气的吴老师准备举办n个学习项目，信息学社团的每个同学都参加项目且可以参加多个项目。,9共 9个数分成三组，分别组成三个三位数，且使这三个三位数的比例是 A:B:C，试求出所有满足条件的三个三位数，若无解，输出。n，表示参战的士兵数，1<=n<=1000000，第二行为n个整数，表示每位士兵的战功值（战功值<=1000000）。50、80、50、30分，则80分的士兵为第一名，50分的两名士兵均为第二名，30分的士兵为第四名。
在顺序结构和链式结构的线性表上实现顺序检索算法
最新发布
m0_56332819的博客
10-13 100
在顺序结构和链式结构的线性表上实现顺序检索算法，C语言
李宏毅机器学习笔记：Adaptive Learning Rate算法详解与应用
本篇文章是关于李宏毅的机器学习学习笔记，主要聚焦于Adaptive Learning Rate在深度神经网络训练中的应用。Adaptive Learning Rate是一种策略，旨在解决固定学习率在训练过程中可能遇到的问题，如过早停止在非全局最...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值