机器学习中偏差(bias),方差(variance)与噪音(noise)的关系

先定义一些变量和方式 Samples <X,y> 真实函数 (True Function) y= f(X) +ϵ ϵ 均值为0,标准方差为的高斯分布 h(X) 拟合函数(以多项式为例) 所以平方差和(sum-squared error)为: 所以我们往往通过最小化平方差和来求解拟合函数中的未知参数(如多项式中的w)。多次训练的结果存在细微的差别,如下图中所示: 对于新的测试点X,如何计算预测误差?
相关文章
相关标签/搜索