偏差与方差

偏差—方差分解：是解释算法泛化性能的一种重要工具。 泛化误差可分解为偏差、方差与噪声之和 偏差：学习算法的期望预测与真是结果的偏离程度，刻画了学习算法本身的拟合能力。 方差：同样大小的训练集的变动所导致的学习性能的变化，刻画了数据扰动所造成的影响。 噪声：在当前任务上任何学习算法所能达到期望泛化误差下界，即刻画了学习问题本身的难度。 给定学习任务，为了取得更好的泛化性能，则需是偏差较小，既能充分你

>>阅读原文<<