機器學習之診斷偏差和方差
當運行一個學習算法時,效果表現不好,多半是以下兩種情況:1.偏差較大 2.方差較大。換句話說欠擬合或者過擬合。
![機器學習之診斷偏差和方差](http://p2.ttnews.xyz/loading.gif)
通過圖可知,對於訓練集,當d較小時,模型擬合程度較低,誤差較大;隨著d的增長,擬合程度提高,誤差減小。
對於交叉驗證集,當d較小時,模型擬合程度低,誤差較大;但是隨著d的增長,誤差呈現先減小,後增大的趨勢,轉折點是我們的模型開始過擬合訓練數據集的時候。
1.訓練集誤差和交叉驗證集誤差接近時: 偏差/欠擬合
2.交叉驗證集誤差遠大於訓練集誤差時: 方差/過擬合
歡迎關注小烏,小烏持續發力。
下一篇:機器學習之正則化和偏差/方差