偏差與方差

偏差—方差分解：是解釋算法泛化性能的一種重要工具。 泛化誤差可分解爲偏差、方差與噪聲之和 偏差：學習算法的期望預測與真是結果的偏離程度，刻畫了學習算法本身的擬合能力。 方差：同樣大小的訓練集的變動所導致的學習性能的變化，刻畫了數據擾動所造成的影響。 噪聲：在當前任務上任何學習算法所能達到期望泛化誤差下界，即刻畫了學習問題本身的難度。 給定學習任務，爲了取得更好的泛化性能，則需是偏差較小，既能充分你

>>阅读原文<<