首頁人工智能常見問題正文

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(shù):

• Bias 是由于你使用的學(xué)習(xí)算法過度簡單地擬合結(jié)果或者錯誤地擬合結(jié)果導(dǎo)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(zhǔn)度，即算法本身的擬合能力。Bias 可能會導(dǎo)致模型欠擬合，使其難以具有較高的預(yù)測準(zhǔn)確性，也很難將你的知識從訓(xùn)練集推廣到測試集。

• Variance 是由于你使用的學(xué)習(xí)算法過于復(fù)雜而產(chǎn)生的錯誤。它反映的是模型每一次輸出結(jié)果與模型輸出期望之間的誤差，即模型的穩(wěn)定性。反應(yīng)預(yù)測的波動情況。Variance 過高會導(dǎo)致算法對訓(xùn)練數(shù)據(jù)的高緯度變化過于敏感，這樣會導(dǎo)致模型過度擬合數(shù)據(jù)。從而你的模型會從訓(xùn)練集里帶來太多噪音，這會對測試數(shù)據(jù)有一定的好處。

關(guān)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(zhì)上是通過在基礎(chǔ)數(shù)據(jù)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(xué)習(xí)誤差。從本質(zhì)上講，如果你使模型更復(fù)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(quán)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(xué)習(xí)人工智能AI進(jìn)階班可以在哪些公司和行業(yè)進(jìn)行工作?

fasttext和word2vec的區(qū)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(xué)習(xí)。