偏差和方差的意义 深度学习中，偏差指的是预测值和真实值之间的误差，方差可以理解为训练数据集精度和测试数据集精度之间的差异。下表则表示在训练神经网络时可能出现的结果，低偏差低方差则是我们期待的结果。 12345训练集误差10%10%1%1%测试集误差20%10.5%20%1.5%结果高偏差高方差高偏差低方差低偏差高方差低偏差低方差用图片表示则如下图，图1为欠拟合，可以理解为是高偏差低方差，图3是过拟合，可以理解为是低偏差高方差，这两种结果都不是最优的状态。图2则为可以理解为低偏差低方差，是比较好的拟合。
博客介绍了深度学习中偏差和方差的意义，偏差是预测值与真实值的误差，方差是训练与测试数据集精度差异。还指出低偏差低方差是期待结果，欠拟合是高偏差低方差，过拟合是低偏差高方差，低偏差低方差是较好拟合。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
