机器学习：偏差、方差与正则化

1. 偏差和方差 1.1 偏差     通俗的讲，偏差反映的模型学习的好坏程度或者捕捉训练集主要特征的能力大小。偏差大意味着学习不够充分，主要特征没有捕捉到；偏差小意味着学习充分，捕捉到了训练集中的主要特征，当然这也存在过拟合的风险。     偏差较大的原因：训练不充分、数据规模大但模型过于简单（常见于神经网络）等 1.2 方差     通俗的讲，方差反映的是模型举一反三的学习能力，即在测试集上的

>>阅读原文<<