本文主要是介绍李宏毅机器学习笔记（ 二）Basic Concept，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！
Basic Concept基础概念
variance（方差）
bias（偏见）
用多个m求期望就可以得到μv
希望两者都小
模型的提升 用不同的“宇宙” 找不同的𝑓∗
对于不同级别的modle 做100次实验
简单的modle Vaiance是比较小的 原因是简单的modle受到数据的影响较小 因为不会过于离散
bias和bariance的大小变化 和模型的阶数 构成的线 综合下来就是蓝色的线 找到一个最佳的平衡点
准确辨别究竟是哪个大非常重要 如果是模型无法拟合 就是bias大 如果是可以拟合训练集拟合不了测试集 就是overfitting various大。
bias大 redesign model
various大 增加data 或者 Regularization规则化；调整；合法化
所得到的model不一定拟合实际的数据 正确的做法是Cross Validation 交叉验证
将测试集变成两部分 用Validation选择modle Train完之后在Validation 上验证
也可以重复利用数据 用avg结果来判断优劣
这篇关于李宏毅机器学习笔记（ 二）Basic Concept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！
