机器学习-误差的来源

误差的来源

误差的两个来源-偏差和方差

随着模型复杂度的提升会带来带来一些误差，而误差(Error)的主要来源了有两个方向，偏差(Bias)和方差(Variance)。
Error反映的是整个模型的准确度，Bias反映的是模型在样本的输出与真实值之间的误差，即模型本身的精准度，Variance反映的是模型每一次的输出结果与模型输出期望之间的误差，即模型的稳定性。

上图可以很直观的反映，误差(error)与偏差(Bias)和方差(Variance)之间的关系。只有当variance和bias两个都很小的时候才会满足实际的点正中靶心（如左上角的靶心所示）。

不同模型的方差与误差

假设对于一个机器学习案例运用不同的模型去去预测，不同的模型的得到的预测值是不一样的，所以不同的模型必然产生不同的误差。
通过实验可知，简单的模型得到的偏差较大，方差较小。复杂的模型得到偏差较小，方差较大。
理想的模型是方差和偏差的值都比较小，即误差比较小。

欠拟合与过拟合

在上图中，简单模型（左边）是偏差比较大造成的误差，这种情况叫做欠拟合，而复杂模型（右边）是方差过大造成的误差，这种情况叫做过拟合。
如果模型没有很好的训练，也就是偏差过大，也就是欠拟合；如果模型很好的训练，在训练集上的误差较小，但是在测试集上有较大的误差，那就是过拟合。

过拟合的解决方案：得到更多的数据集，适当降低模型的复杂度，使得模型的泛化能力增强。
欠拟合的解决方案：重新设计模型，考虑更多的特征，增大模型的复杂度。

模型的选择

现在在偏差和方差之间就需要一个权衡 想选择的模型，可以平衡偏差和方差产生的错误，使得总错误最小。
在训练模型的使用交叉验证的方式，使得训练的模型泛化能力更强。

“交叉验证法”（cross validation）先将数据集D划分为k个大小相同（或相似）的、互不相交的子集，每个子集称为一个"折叠"（fold），每次训练，轮流使用其中的一个作为测试集、其它作为训练集. 这样，就相当于获得了k组训练集、测试集，最终的预测结果为k个测试结果的平均值.