理解機器學習中的偏差與方差

一、過擬合現象 在說明機器學習中的偏差與方差之前，我們先來看一下什麼是模型對數據的欠擬合與過擬合。 欠擬合就是模型沒有很好地捕捉到數據特徵，不能夠很好地擬合數據 過擬合就是模型把數據學習的太徹底，以至於把噪聲數據的特徵也學習到了，這樣就會導致在後期測試的時候不能夠很好地識別數據，即不能正確的分類，模型泛化能力太差。 二、偏差與方差 然後我們看一下什麼是偏差什麼是方差。 偏差：描述的是預測值（估計值

>>阅读原文<<