机器学习算法中的偏差-方差权衡(Bias-Variance Tradeoff)

时间:2021-01-28 13:28:10

简单的以下面曲线拟合例子来讲:

机器学习算法中的偏差-方差权衡(Bias-Variance Tradeoff)

直线拟合后,相比原来的点偏差最大,最后一个图完全拟合了数据点偏差最小;但是拿第一个直线模型去预测未知数据,可能会相比最后一个模型更准确,因为最后一个模型过拟合了,即第一个模型的方差比最后一个模型小。一般而言高偏差意味着欠拟合,高方差意味着过拟合。他们之间有如下的关系:              本文地址

机器学习算法中的偏差-方差权衡(Bias-Variance Tradeoff)                                          机器学习算法中的偏差-方差权衡(Bias-Variance Tradeoff)

请参考一下三篇文章:

机器学习中的数学(2)-线性回归,偏差、方差权衡

Bias-Variance Tradeoff

偏差-方差分解 Bias-Variance Decomposition

【版权声明】转载请注明出处http://www.cnblogs.com/TenosDoIt/p/3712590.html