丁同学回答（1）
最佳
爱吃草莓的葡萄2023-05-12 17:34:59
爱吃草莓的葡萄同学你好。
偏差误差，或者说成模型与训练数据的拟合程度。具有错误假设的算法会产生具较高偏差和比较差的拟合，导致拟合不足和样本内误差高。
方差误差，或着说成模型的结果对验证和测试样本中的新数据的响应变化程度。不稳定的模型会拾取噪声并产生高方差，导致过拟合和高样本外误差。
在调优过程中，我们无法使得两个都越低越好，因为两个有点此消彼长的意思。我们是要总方差最小。
- 评论（0）
- 追问（2）
- 追问
-
能不能这样理解：
1. bias error 主要对应的是training set的结果准确率（bias error大，说明模型参数本身需要调整）
2. variance error 主要对应的是cross testing 的结果准确率（variance error大，说明模型overfitting）
进一步，那么模型调优，就是针对两个bias所呈现的问题，进行内部（bias error）和外部（variance error）的调优（turning），使得总方差最小是么？
那么，总方差最小，怎么体现？
- 追答
-
同学你好。此处原版书写的确实比较矛盾。特此说明一下：
bias error与variance error都是样本外误差，其中bias error书上讲的是模型与训练数据的匹配程度，建议同学改为模型与验证数据的匹配程度。因为训练数据时样本内的，验证与测试数据时样本外的。
因此bias就是模型与验证数据的匹配程度，如果高，说明模型欠拟合需要调整模型；
variance就是模型对测试集新数据的预测能力，如果高，说明模型过拟合将噪音当做信息，需要调整模型。
bias说明拟合不足的问题，variance说明过拟合问题，这两个是此消彼长的，调优是将两者调整到最小，也就是total error-out最小。
评论
0/1000
追答
0/1000
+上传图片