标签：因素 函数 方差 模型 space bias Error 100 影响

继续上一篇文章，我们可以看到，构造的最好的函数还是会产生误差，那么这些误差受什么影响呢？【bias和variance】

 

方差越小越集中，所以当n越大时，方差越小，则数据越集中

均值时无偏估计，方差是有偏估计

下图是对方差的估计

假如使用 y=b+w*Xcp 这个模型 。给的数据不一样找到的最好的函数也不一样（w,b的值不同）

下图是100次实验，选择不同的模型会有不同的图像结果

Variance

模型越简单，方差就会越小。模型越复杂，方差就会越大。简单的模型受到数据的影响较小。

 Bias

1.黑色的是原有的值

2.红色的是100次实验得到的不同的函数图像

3. 蓝色的是100条红线的平均值

函数越简单，函数space越小，那么我们选取的函数只能在那个函数集中选择，那么离中心点就会比较远。函数越复杂 函数space越大，点就会很分散，那么我们取得平均值就会离中心点较近。

 

 

 

 怎么解决bias大和variance大

 

 

 

 模型选择

 

 

 

 

 

 

标签：因素,函数,方差,模型,space,bias,Error,100,影响
来源： https://blog.csdn.net/weixin_53726205/article/details/120553962

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。