《機器學習》學習筆記（二十二）—Ensemble（模型集成）

Ensemble：Bagging 1、偏置與方差的關係 除了可以很完美進行工作的機器學習模型，剩下的模型大致可以分爲兩種情況，即欠擬合（Underfitting）和過擬合（Overfitting）。欠擬合的特點在於它具有比較小的方差，但是卻有着比較大的偏置（即與正確答案的偏離方向）；而過擬合雖然有着較小的偏置，但是卻有着較大的方差，將這兩種情況畫在一起如上圖所示，隨着模型複雜程度的增大，模型的效果

>>阅读原文<<