-
- weixin_慕粉1100379 2024-07-29
机器学习偏差与方差
- 0赞 · 0采集
-
- weixin_慕娘7067180 2022-05-11
过拟合，则增加模型的不确定性，由于想将所有的数据都拟合到，故一点微小的变化都会产生很大的波动
- 0赞 · 0采集
-
- weixin_慕娘7067180 2022-05-11
增加训练数据，降低维数
- 0赞 · 0采集
-
- weixin_慕娘7067180 2022-05-11
无法泛化，应增加拟合项
- 0赞 · 0采集
-
- weixin_慕娘7067180 2022-05-11
模型复杂度太低，无法训练好数据
改进：加特征，
- 0赞 · 0采集
-
- 慕码人4508497 2020-06-12
- ljtn&滚滚滚反反复复发体育u太好用了看看媳妇 额迪天天图。如粪土烫头发发给木；
-
截图0赞 · 0采集
-
- 慕少1263319 2020-02-10
偏差和方差的平衡点
-
截图0赞 · 0采集
-
- 慕少1263319 2020-02-10
对算法的期望泛化误差分解
-
截图0赞 · 0采集
-
- 慕少1263319 2020-02-10
偏差与噪声
-
截图0赞 · 0采集
-
- 慕少1263319 2020-02-10
泛化误差，以回归任务为例
-
截图0赞 · 0采集
-
- 慕少1263319 2020-02-10
偏差与方差
-
截图0赞 · 0采集
-
- iXer 2019-10-12
偏差，方差
-
截图0赞 · 0采集
-
- Lance丶 2019-07-26
欠拟合的情况：偏差大，方差小；
由于训练不足，学习器的拟合能力不够强，偏差比较大；
由于拟合能力不够强，数据集的扰动也无法使学习器产生显著变化。
过拟合情况：偏差小，方差大；（处理方法可以增加训练数据，降低训练维数等等）
随着训练程度的加深，学习器的拟合能力逐渐增强，训练数据的扰动也能够渐渐被学习器学到；
充分训练后，学习器的拟合能力已非常强；
训练数据的轻微扰动都会导致学习器发生显著变化；
当训练数据自身的、非全局的特性被学习器学到了，则将发生过拟合的情况；
-
截图0赞 · 0采集
-
- DwD今天好好学习了吗 2019-05-20
欠拟合：偏差大，方差小
过拟合：偏差小，方差大
-
截图0赞 · 1采集
-
- 慕粉2142266646 2018-10-28
- 偏差:远离目标的偏差较大，靠近目标的偏差较小 方差:衡量数据分散程度，数据集中方差较小，数据分散方差较大
-
截图0赞 · 1采集
-
- Ain_t 2018-10-21
泛化误差的分解
-
截图0赞 · 0采集
-
- Ain_t 2018-10-21
偏差，噪声
-
截图0赞 · 0采集
-
- 慕哥1474064 2018-09-28
- 挺不知道这几节课的意义的，第五章偏差和方差讲的挺好的。形象化～谢谢?
-
截图0赞 · 0采集
-
- 慕娘7443326 2018-08-13
泛化误差计算方式 方差+偏差+噪声
-
截图0赞 · 0采集
-
- Schwarzeni 2018-08-06
左：欠拟合 偏差大，方差小，tag少，数据扰动无法使学习器发生显著变化
右：过拟合 偏差小，方差大，tag多
-
截图0赞 · 0采集
-
- Schwarzeni 2018-08-06
期望泛化误差进行分解
-
截图0赞 · 0采集
-
- Schwarzeni 2018-08-06
偏差计算公式
-
截图0赞 · 0采集
-
- Schwarzeni 2018-08-06
方差计算公式
-
截图0赞 · 0采集
-
- Schwarzeni 2018-08-06
偏差：数据整体偏离程度
方差：数据个体之间的离散程度
-
截图0赞 · 0采集
-
- 飞鸿踏雪燕归来 2018-07-21
机器学习中的偏差与方差--泛化误差
-
截图0赞 · 0采集
-
- 飞鸿踏雪燕归来 2018-07-21
机器学习中的偏差与方差
-
截图0赞 · 0采集
数据加载中...
开始学习
免费