全國咨詢/投訴熱線:400-618-4000

什么是Bias和Variance?

更新時間:2020年09月21日15時05分 來源:傳智播客 瀏覽次數:

• Bias 是由于你使用的學習算法過度簡單地擬合結果或者錯誤地擬合結果導致的錯誤。它反映的是模型在樣本上的輸出與真實值之間的誤差,即模型本身的精準度,即算法本身的擬合能力。Bias 可能會導致模型欠擬合,使其難以具有較高的預測準確性,也很難將你的知識從訓練集推廣到測試集。

• Variance 是由于你使用的學習算法過于復雜而產生的錯誤。它反映的是模型每一次輸出結果與模型輸出期望之間的誤差,即模型的穩定性。反應預測的波動情況。Variance 過高會導致算法對訓練數據的高緯度變化過于敏感,這樣會導致模型過度擬合數據。從而你的模型會從訓練集里帶來太多噪音,這會對測試數據有一定的好處。

關于Bias和Variance的圖形解釋:

于Bias和Variance的圖形解釋


Bias-Variance 的分解,本質上是通過在基礎數據集中添加偏差、方差和一點由噪聲引起的不可約誤差,來分解算法上的學習誤差。從本質上講,如果你使模型更復雜并添加更多變量,你將會失去一些 Bias 但獲得一些 Variance,這就是我們所說的權衡(tradeoff)。這也是為什么我們在建模的過程中,不希望這個模型同時擁有高的偏差和方差。


猜你喜歡:

學習人工智能AI進階班可以在哪些公司和行業進行工作?

fasttext和word2vec的區別?


下面是傳智播客公開的幾套人工智能視頻教程,如果感興趣可以下載學習。






极速十一选五app 湖北11选5基本走势图 福彩电子投注 体彩安徽十一选五走势图 急速赛车15 专业福彩快乐8软件行 a股交易费用 炒股搞笑图片 宁夏十一选五走势图规律 河北11选5前3走势图 双色球中奖秘籍100%