Week 2 评估模型正确率
Outline
评估模型精度
- 拟合效果评估
- 偏差与方差的权衡
- 分类模型
- 估计误差与近似误差
拟合效果评估
一种评估精度的方法是 均方误差 (Mean Squared Error, MSE)。
MSE=1n∑i=1n(yi−y^i)2
其中, y^i 是指模型 f^ 在训练数据 xi 上的预测结果。
MSE越小,说明效果越好。在训练数据上效果好,在测试数据上未必好(过拟合)。我们主要关注在 测试数据 上的效果。
偏差与方差的权衡
偏差 (bias)是指模型的结果相对于真实函数的误差。一般来说,越复杂的模型bias越小。
B(x)=|fn(x)−fp(x)|
方差 (Variance)是指用一个不同的训练数据集估计 f 时,估计函数的改变量。一般来说,越复杂的模型,Variacne越大。
对任意给定的