什么是Bias和Variance？

更新時(shí)間:2020年09月21日15時(shí)05分來(lái)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(guò)度簡(jiǎn)單地?cái)M合結(jié)果或者錯(cuò)誤地?cái)M合結(jié)果導(dǎo)致的錯(cuò)誤。它反映的是模型在樣本上的輸出與真實(shí)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(huì)導(dǎo)致模型欠擬合，使其難以具有較高的預(yù)測(cè)準(zhǔn)確性，也很難將你的知識(shí)從訓(xùn)練集推廣到測(cè)試集。

• Variance 是由于你使用的學(xué)習(xí)算法過(guò)于復(fù)雜而產(chǎn)生的錯(cuò)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(cè)的波動(dòng)情況。Variance 過(guò)高會(huì)導(dǎo)致算法對(duì)訓(xùn)練數(shù)據(jù)的高緯度變化過(guò)于敏感，這樣會(huì)導(dǎo)致模型過(guò)度擬合數(shù)據(jù)。從而你的模型會(huì)從訓(xùn)練集里帶來(lái)太多噪音，這會(huì)對(duì)測(cè)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(guò)在基礎(chǔ)數(shù)據(jù)集中添加偏差、方差和一點(diǎn)由噪聲引起的不可約誤差，來(lái)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(huì)失去一些 Bias 但獲得一些 Variance，這就是我們所說(shuō)的權(quán)衡(tradeoff)。這也是為什么我們?cè)诮５倪^(guò)程中，不希望這個(gè)模型同時(shí)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(kāi)的幾套人工智能視頻教程，如果感興趣可以下載學(xué)習(xí)。