学习之路|| 偏差与方差/datawhaleTask03

【部分源于 刘顺祥.《从零开始学Python数据分析与挖掘》.清华大学出版社】

1.偏差与方差的区别 用实例区分

 红心为实际值，蓝环为预测值

• 低偏差，低方差：理想模型
• 低偏差，高方差：过拟合了。模型太贴合训练数据了，其泛化（或通用）能力差，若遇到测试集，则准确度下降的厉害；
• 高偏差，低方差：常为训练的初始阶段；
• 高偏差，高方差：准确度差，数据的离散程度也差。

2. 偏差、方差与误差的关系

误差=偏差+方差

Error（误差）反映的是整个模型的准确度

4.岭回归与lasso回归的异同点

相对于岭回归而言，LASSO回归剔除了两个变量，降低了模型的复杂度，同时减少了均方误差，提高了模型的拟合效果。