機器學習中偏差和方差的區別

今天在看L1和L2正則的相關知識時，看到這樣一段話：         L2與L1的區別在於，L1正則是拉普拉斯先驗，而L2正則則是高斯先驗。它們都是服從均值爲0，協方差爲1λ。當λ=0時，即沒有先驗）沒有正則項，則相當於先驗分佈具有無窮大的協方差，那麼這個先驗約束則會非常弱，模型爲了擬合所有的訓練集數據， 參數w可以變得任意大從而使得模型不穩定，即方差大而偏差小。λ越大，標明先驗分佈協方差越小，偏

>>阅读原文<<