2.9 Model Selection and the Bias–Variance Tradeoff
2015-08-13 23:55
561 查看
结论
模型复杂度↑Bias↓Variance↓
例子
$y_i=f(x_i)+\epsilon_i,E(\epsilon_i)=0,Var(\epsilon_i)=\sigma^2$
使用knn做预测,在点$x_0$处的Excepted prediction error:
$EPE(x_0)=E\left[\left(y_0-\hat{f}(x_0)\right)^2|x_0\right]\\ \ \ =E\left[\left(y_0-E(y_0)\right)^2|x_0\right]+\left[E(\hat{f}(x_0))-E(y_0)|x_0\right]^2+E\left[\hat{f}(x_0)-E(\hat{f}(x_0))\right]^2\\ \ \ =\sigma^2+{Bias}^2(\hat{f}(x_0))+Var(\hat{f}(x_0))\\ \ \ =\sigma^2+\left[f(x_0)-\frac{1}{k}\sum_l^k y_l\right]^2+\frac{\sigma^2}{k}$
k↑在训练集上的表现(考虑k=1,k=2)↓模型复杂度(模型越复杂,在训练集上的表现越好)↓
模型复杂度↑Bias↓Variance↓
例子
$y_i=f(x_i)+\epsilon_i,E(\epsilon_i)=0,Var(\epsilon_i)=\sigma^2$
使用knn做预测,在点$x_0$处的Excepted prediction error:
$EPE(x_0)=E\left[\left(y_0-\hat{f}(x_0)\right)^2|x_0\right]\\ \ \ =E\left[\left(y_0-E(y_0)\right)^2|x_0\right]+\left[E(\hat{f}(x_0))-E(y_0)|x_0\right]^2+E\left[\hat{f}(x_0)-E(\hat{f}(x_0))\right]^2\\ \ \ =\sigma^2+{Bias}^2(\hat{f}(x_0))+Var(\hat{f}(x_0))\\ \ \ =\sigma^2+\left[f(x_0)-\frac{1}{k}\sum_l^k y_l\right]^2+\frac{\sigma^2}{k}$
k↑在训练集上的表现(考虑k=1,k=2)↓模型复杂度(模型越复杂,在训练集上的表现越好)↓
相关文章推荐
- leetcode Contains Duplicate II python
- Android
- AVA编写的使用Socket模拟Http的GET操作
- leetcode Contains Duplicate python
- ubuntu install scrapy
- C++ const
- C语言函数理解
- 第85讲:Scala中For表达式的强大表现力实战
- 【Ex2013】【虚拟目录】owa虚拟目录创建失败
- 用javascript语言循环输出表格
- http://www.cnblogs.com/monian/p/3822980.html
- zoj3279 简单二分
- 个人整理的一些net 开源项目
- js基础1
- Django 学习笔记(二) 《models》
- 【LeetCode】36 - Valid Sudoku
- 意志
- 进程间通信总结
- poj2406Power Strings
- laravel 5.1 学习