貝葉斯誤差、偏差、方差

貝葉斯誤差：理論最低的錯誤率，通常用“人類水平錯誤率”來估計貝葉斯誤差。相當于是天花板。
偏差：在訓練集上預測值與實際值的差別
方差：在驗證集上，預測值間的波動幅度
獲取貝葉斯誤差、偏差、方差的信息，指出我們調節模型的方向。

判斷需要減小偏差/方差

對于一個模型，如果偏差過高，說明模型欠擬合，如果方差過高，則是過擬合。

防止過擬合的方法
參考(偏差和方差](https://www.cnblogs.com/hutao722/p/9921788.html)
偏差大、方差小—訓練初始階段，精度低
偏差小、方差大— 這是深度學習面臨的最大問題，過擬合了。也就是模型太貼合訓練數據了，導致其泛化（或通用）能力差，若遇到測試集，則準確度下降的厲害；
偏差小、方差小–完美
偏差大、方差大–糟糕

總結

以上是生活随笔為你收集整理的偏差、方差、贝叶斯误差的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。