機器學習_閱讀筆記_算法評估

樣本量與誤差 樣本量影響訓練誤差及驗證誤差。 總體情況是：樣本量少的時候，訓練算法基本都能正確擬合數據，所以樣本量少的時候訓練誤差小，但泛化程度不好，對新樣本的適應能力不好，所以樣本量少的時候交叉驗證的誤差大。 當樣本量增加是，訓練很難對所有樣本擬合，故樣本量增大的時候訓練誤差增大，但算法擬合能力更強了，對新樣本的適應能力強，所以樣本量增大的時候交叉驗證的誤差減少。 如下示意圖： high bia

>>阅读原文<<