zoukankan      html  css  js  c++  java
  • 机器学习中的Bias(偏差)和Variance(方差)

    1.偏差

    简单可以理解为真实数据和预测数据相差太大,真实的点构成的图形和拟合的图形相差很大

    原来是这样的

     我们使用线性模型以及多项式模型去拟合,就会发现,线性模型和预测的值和真实值相差很大,也就是偏差大,而多项式偏差小

     

    2.方差

    就是数据波动太大。

    数据集是有随机性的,除了上一节使用的数据集外,我们还可能得到如右侧这样新的数据集

     在新的数据集上当然也可以运用线性回归,或者多项式回归:

     可见,较简单的线性回归变化不大,也就是说“方差”较小。而多项式回归对数据太敏感,变化太大,也就是说“方差”较大。

     

    3.过拟合和欠拟合

     

     文章转载:https://www.zhihu.com/question/27068705/answer/1689740820,仅做学习,如有侵权,联系删

  • 相关阅读:
    模板方法模式
    策略模式
    享元模式
    组合模式
    桥接模式
    外观模式
    代理模式
    装饰者模式
    适配器模式
    类之间的关联关系和依赖关系
  • 原文地址:https://www.cnblogs.com/cgmcoding/p/14661315.html
Copyright © 2011-2022 走看看