6 模型融合6.1 偏差和方差分布图公式推导：假设从y=f(x)+ϵy = f(x) + \epsilony=f(x)+ϵ采样得到D={(x1,y1),...,(xn,yn)}D = \{(x_1,y_1),...,(x_n,y_n)\}D={(x1,y1),...,(xn,yn)}，ϵ表示噪音\epsilon表示噪音ϵ表示噪音在D上最小化MSE，得到f^\hat{f}f^。希望在不同的DDD上都能生成一个好的f^\hat{f}f^公式：因为f是一个真实的东西
6 模型融合
6.1 偏差和方差
-
分布图
-
公式推导：
-
假设从 y = f ( x ) + ϵ y = f(x) + \epsilon y=f(x)+ϵ采样得到 D = { ( x 1 , y 1 ) , . . . , ( x n , y n ) } D = \{(x_1,y_1),...,(x_n,y_n)\} D={ (x1,y1),...,(xn,yn)}， ϵ 表 示 噪 音 \epsilon表示噪音 ϵ表示噪音
-
在D上最小化MSE，得到 f ^ \hat{f} f^。希望在不同的 D D D上都能生成一个好的 f ^ \hat{f} f^
-
公式：
因 为 f 是 一 个 真 实 的 东 西 ， 不 会 随 着 采 样 变 化 而 变 化 ， 因 此 E f = f 假 设 噪 音 符 合 一 个 均 值 为 0 ， 方 差 为 σ 2 的 正 态 分 布 ϵ 相 较 于 f ^ 时 独 立 的 ， 因 此 E ϵ X = E ϵ E X 因为f是一个真实的东西，不会随着采样变化而变化，因此Ef = f \\ 假设噪音符合一个均值为0，方差为\sigma^2的正态分布 \\ \epsilon相较于\hat{f}时独立的，因此E\epsilon X = E\epsilon EX 因为f是一个真实的东
-
最低0.47元/天 解锁文章
404
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
