機器學習：偏差、方差與正則化

1. 偏差和方差 1.1 偏差     通俗的講，偏差反映的模型學習的好壞程度或者捕捉訓練集主要特徵的能力大小。偏差大意味着學習不夠充分，主要特徵沒有捕捉到；偏差小意味着學習充分，捕捉到了訓練集中的主要特徵，當然這也存在過擬合的風險。     偏差較大的原因：訓練不充分、數據規模大但模型過於簡單（常見於神經網絡）等 1.2 方差     通俗的講，方差反映的是模型舉一反三的學習能力，即在測試集上的

>>阅读原文<<