2020-7-6 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.9 可避免偏差/方差--通过人的错误率和贝叶斯错误率比较，决定采用避免偏差还是方差的策略)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/
3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai

1.9 可避免偏差 Avoidable bias

我们讨论过，你希望你的学习算法能在训练集上表现良好，但有时你实际上并不想做得太好。知道人类的表现是怎样的，可以确切告诉你算法在训练集上的表现到底应该有多好，或者有多不好，让我告诉你是什么意思吧。

如上图，还是使用猫分类器来。
比如人类具有近乎完美的准确度，错误是1%。在这种情况下，如果您的学习算法达到8%的训练错误率和10%的开发错误率，那么你也许想在训练集上得到更好的结果。

事实上，你的算法在训练集上的表现和人类水平的表现有很大差距的话，说明你的算法对训练集的拟合并不好。所以从减少偏差和方差的工具这个角度看，在这种情况下，我会把重点放在减少偏差上。你需要做的是，比如说训练更大的神经网络，或者跑久一点梯度下降，就试试能不能在训练集上做得更好。