Error的影响因素

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】

Error的影响因素

 

Error的影响因素

Error的影响因素

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

Error的影响因素

Error的影响因素

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

Error的影响因素

Variance

Error的影响因素

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

Error的影响因素

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

Error的影响因素

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。

 

 Error的影响因素

 

 怎么解决bias大和variance大Error的影响因素

 

 Error的影响因素

 

 模型选择Error的影响因素

 

 Error的影响因素

 

 Error的影响因素

 

 

上一篇:MTK GPIO adb shell 显示与修改


下一篇:归纳偏置