机器学习中的bias和variance、欠拟合和过拟合

1、bias

Bias反映的是模型在样本上的输出与真实值之间的误差,即模型本身的精准度。

2、variance

Variance 反映的是模型每一次输出结果与输出期望之间的误差,即模型的稳定性。

欠拟合和过拟合

当训练集和验证集准确度都很低时,则一般是欠拟合,(此时训练集和验证集损失error都比较大)
而当训练集准确度很高而验证集准确度很低时,则一般是过拟合(此时训练集损失error比较小而验证集比较大)。

你可能感兴趣的:(机器学习,机器学习,bias,偏差,variance,方差)