深入理解机器学习的拟合问题和泛化问题

深入理解拟合问题和泛化问题: 从数学角度： 偏差是指我们忽略了多少数据，而方差是指我们的模型对数据的依赖程度。 （1）方差是模型响应训练数据而变化的程度。由于我们只是记忆训练集，我们的模型具有很大的差异：它高度依赖于训练数据。 （2）偏差是方差的另一面，因为它代表了我们对数据做出的假设的强度。 （3） 过拟合：过分依赖训练数据 欠拟合：未能学习训练数据中的关系 高方差：模型根据训练数据显着变化 高

>>阅读原文<<