训练集、验证集和测试集
训练集(train sets)主要用于训练模型,调整参数,验证集(validation sets)用于进一步调参,而测试集(test sets)用于最后评估模型的精度。一般训练集、验证集和测试集的比例为60%,20%,20%。
Bias&Variance
我们的学习模型和真实值之间的误差主要来自三个方面:Bias,Variance和随机误差。其中随机误差,也叫噪声,是我们无法避免的。所以我们主要讨论Bias和Variance。
Bias通常是由于我们的模型欠拟合(underfit)造成的,而Variance通常是由于模型过拟合(Overfit)造成的。
下图是形象地表示出多项式的度与High Bias和High Variance的关系。(图来自Andrew Ng)
下图是正则化参数 λ \lambda λ与Bias/Variance之间的关系
注意:在计算 λ \lambda λ与误差之间的关系时,先用带有正则参数的损失函数 J ( θ ) J(\theta) J(θ)计算出 Θ \Theta Θ,然后将求出的 Θ \Theta Θ计算出不带正则的 J c v ( θ ) J_{cv}(\theta) Jcv(θ)和 J t r a i n ( θ ) J_{train}(\theta) Jtrain(θ)。
学习曲线(learning curve)
学习曲线(learning curve)是表示样本数目大小(m)与训练集误差( J t r a i n ( θ