偏差bias、方差 variance

回顾 降低泛化误差 机器学习算法中,我们主要目的是同时降低模型的偏差和方差;然而,真实情况是我们不能同时做到,只能折中。 回顾 误差来源: bias:测试集中的很多点并没有表达出来,bias很大; variance:选用的测试集数据与真实的数据分布不一致,导致variance大; 偏差: 描述了数据的表达能力,图一显示,弱分类器的表达能力弱,造成偏差较大,即欠拟合; 增加模型的复杂度,增加数据特征
相关文章
相关标签/搜索