Alex2023-01-26 19:05:11
Alex老師你好，這裏的第二題的bias variance,bias error,variance error，可以解釋一下嗎？另外在講義的那個位置？
回答（1）
Crystal2023-02-03 10:30:24
Crystal这个讲义其实说的不多，实在回归诊断那里。他其实和机器学习的部分有一些重合。我们在选择模型去拟合数据的时候（数据是样本数据），模型可能会出现两方面的问题，一个是拟合不够，也可以理解为x比较少，解释力度比较差，这个时候我们说模型拟合度不足，此时模型和样本数据之间的差异会大一些，即bias大；另一个是过度拟合，即模型和样本数据几乎要一一对应了，此时x比较多，解释力度较好，但有一个问题，你这个模型只能拟合样本数据，一旦这个模型脱离了这一组样本数据后，拿到总体数据中试验或者其他的样本数据，解释力度依旧不行，这个情况对应的是过度拟合。
所以，这个部分考试呢，他的题目方向就是x少，bias error；x多，variance error。
- 评论（0）
- 追问（2）
- 追问
-
明白謝謝老師
- 追答
-
ok
评论
0/1000
追答
0/1000
+上传图片