机器学习(十) - - 模型评估和选择⑤偏差和方差
2016-10-08 17:07
369 查看
“偏差-方差分解”(bias-variancedecomposition)是解释学习算法泛化能力的重要工具。
//通过实验评估泛化能力之后,人们往往想知道“为啥”有这样的性能。
为了方便讨论,假定噪声期望为0,于是泛化误差可以分解为偏差方差和噪声之和:
具体公式推导见右:偏差-方差分解
偏差-方差分解说明,泛化性能是由学习算法的能力,数据的充分性以及学习任务本身的难度所共同决定的。
(要尽量让偏差和方差都小:偏差衡量拟合程度,方差衡量数据扰动)
-----------------------------------------------
偏差-方差窘境(bias-variancedilemma):一般来说,偏差和方差是冲突的
训练不足时,学习器你和能力不强,这时偏差成为影响泛化误差的主力;训练加深时,拟合能力很强了之后方差成为主导因素;训练程度足够后,如果数据有非全局性可能导致过拟合(这就无奈了)。(图应该挺形象)
祝大家学习愉快~
//通过实验评估泛化能力之后,人们往往想知道“为啥”有这样的性能。
为了方便讨论,假定噪声期望为0,于是泛化误差可以分解为偏差方差和噪声之和:
具体公式推导见右:偏差-方差分解
偏差-方差分解说明,泛化性能是由学习算法的能力,数据的充分性以及学习任务本身的难度所共同决定的。
(要尽量让偏差和方差都小:偏差衡量拟合程度,方差衡量数据扰动)
-----------------------------------------------
偏差-方差窘境(bias-variancedilemma):一般来说,偏差和方差是冲突的
训练不足时,学习器你和能力不强,这时偏差成为影响泛化误差的主力;训练加深时,拟合能力很强了之后方差成为主导因素;训练程度足够后,如果数据有非全局性可能导致过拟合(这就无奈了)。(图应该挺形象)
祝大家学习愉快~
相关文章推荐
- 模型评估与选择 ( Bias(偏差),Error(误差),和Variance(方差) )
- 《机器学习》(周志华)学习笔记(二)模型评估与选择
- 机器学习(六) - - 模型评估和选择①经验误差与过拟合
- 机器学习(八) - - 模型评估和选择③性能度量
- 机器学习笔记2.模型评估于选择----教材周志华西瓜书
- 《机器学习》阅读心得--二、模型评估与选择
- 机器学习-模型的评估与选择
- 机器学习笔记--模型评估与选择
- 斯坦福机器学习第六周(模型选择、高偏差、高方差、学习曲线)
- 机器学习-模型评估和选择
- R︱mlr包挑选最适机器学习模型+变量评估与选择(案例详解)
- 西瓜书《机器学习》笔记--模型评估与选择(一) 经验误差与过拟合
- 机器学习(周志华 )-2模型评估与选择
- 机器学习初学者——模型评估与选择
- 机器学习_周志华版_读书笔记_02 模型评估与选择
- 机器学习.周志华《1 绪论 and 2 模型评估与选择》
- 机器学习-模型评估与选择
- 斯坦福大学机器学习笔记——当训练模型性能不好时的措施(假设评估、模型选择和交叉验证集、正则化、学习曲线)
- 《机器学习》第二章 模型评估与选择 笔记2 泛化误差的评估方法
- 方差-偏差平衡(Bias-Variance Balance)与模型选择