機器學習中「模型誤差」的總結

        在機器學習中，模型誤差 = 偏差（Bias）+ 方差（Variance）+ 數據本身的誤差。 數據本身的誤差即噪聲：表達了在當前任務上任何學習算法所能達到的期望泛化誤差的下界，即刻畫了學習問題本身的難度。 噪聲是怎麼產生的呢？         可能由於記錄過程中的一些不確定性因素等導致，或者抽樣的時候會出現一些搞錯的信息，是無法避免的！能做的只有不斷優化模型參數來權衡偏差和方差，使

>>阅读原文<<