理解机器学习中的偏差与方差

一、过拟合现象 在说明机器学习中的偏差与方差之前，我们先来看一下什么是模型对数据的欠拟合与过拟合。 欠拟合就是模型没有很好地捕捉到数据特征，不能够很好地拟合数据 过拟合就是模型把数据学习的太彻底，以至于把噪声数据的特征也学习到了，这样就会导致在后期测试的时候不能够很好地识别数据，即不能正确的分类，模型泛化能力太差。 二、偏差与方差 然后我们看一下什么是偏差什么是方差。 偏差：描述的是预测值（估计值

>>阅读原文<<