機器學習 -- 多項式迴歸(Ⅵ 偏差方差均衡 Bias Variance Trade off)

一. 偏差與方差 偏差描述樣本偏離實際值的情況,方差描述樣本的分佈疏密情況。下圖中紅色點爲真值,藍色點爲樣本點,描繪了不同偏差和方差分佈情況: 1. 一般來說,模型的誤差 = 方差(Bias) + 偏差(Variance) + 不可避免的誤差(例如測量帶來的精度損失、噪聲等) 2. 導致偏差和方差的因素:         導致偏差的原因,可能是對模型的假設是錯誤的,例如用線性的假設去預測非線性數據
相關文章
相關標籤/搜索