本文主要是介绍机器学习和数据挖掘（4）：噪声与误差，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
噪声与误差
噪音（Noise）
实际应用中的数据基本都是有干扰的，还是用信用卡发放问题举例子：
噪声产生原因：
- 标记错误：应该发卡的客户标记成不发卡，或者两个数据相同的客户一个发卡一个不发卡；
- 输入错误：用户的数据本身就有错误，例如年收入少写一个0、性别写反了什么的。
目标分布（Target Distribution）
上述两个原因导致数据信息不精准，产生噪声数据。那机器学习算法应该如何处理噪声的数据呢？
以那个从罐子里拿球的实验为例：
之前我们规定凡是 h(x)≠f(x) 的数据（小球），就把他漆成橘色，否则绿色。橘色小球在所有小球中占据的比重就是错误率。
但是现在有干扰了，一条数据可能有
这篇关于机器学习和数据挖掘（4）：噪声与误差的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
