偏差bias、方差 variance

回顧 降低泛化誤差 機器學習算法中，我們主要目的是同時降低模型的偏差和方差；然而，真實情況是我們不能同時做到，只能折中。 回顧 誤差來源： bias：測試集中的很多點並沒有表達出來，bias很大； variance：選用的測試集數據與真實的數據分佈不一致，導致variance大； 偏差： 描述了數據的表達能力，圖一顯示，弱分類器的表達能力弱，造成偏差較大，即欠擬合； 增加模型的複雜度，增加數據特徵

>>阅读原文<<