机器学习中“模型误差”的总结

        在机器学习中，模型误差 = 偏差（Bias）+ 方差（Variance）+ 数据本身的误差。 数据本身的误差即噪声：表达了在当前任务上任何学习算法所能达到的期望泛化误差的下界，即刻画了学习问题本身的难度。 噪声是怎么产生的呢？         可能由于记录过程中的一些不确定性因素等导致，或者抽样的时候会出现一些搞错的信息，是无法避免的！能做的只有不断优化模型参数来权衡偏差和方差，使

>>阅读原文<<