機器學習高方差和高偏差問題

在講模型高方差和高偏差問題前，先聊聊數據集分配和模型選擇。爲了使得模型具有更好的泛化能力，我們在數據集分配問題上採用了6：2：2的分配原則，60%作爲訓練集，20%作爲交叉驗證集，20%作爲測試集。當選擇模型時用訓練集訓練得到模型的一組權重，將這組權重帶入到模型中，並用交叉驗證集求出損失值，選取損失值最小的那一個模型，最後就可用從未和模型擬合過的測試集計算學習算法誤差。 接下來我們一起探討一下模型

>>阅读原文<<