機器學習算法中的偏差-方差權衡(Bias-Variance Tradeoff)

簡單的以下面曲線擬合例子來講：

 

直線擬合后，相比原來的點偏差最大，最后一個圖完全擬合了數據點偏差最小；但是拿第一個直線模型去預測未知數據，可能會相比最后一個模型更准確，因為最后一個模型過擬合了，即第一個模型的方差比最后一個模型小。一般而言高偏差意味着欠擬合，高方差意味着過擬合。他們之間有如下的關系：              本文地址

                                          

 

 

 

請參考一下三篇文章：

機器學習中的數學(2)-線性回歸，偏差、方差權衡

Bias-Variance Tradeoff

偏差-方差分解 Bias-Variance Decomposition

 

【版權聲明】轉載請注明出處：http://www.cnblogs.com/TenosDoIt/p/3712590.html