方差和偏差来分析：深度学习中的过拟合、欠拟合
偏差和方差的定义介绍：https://mp.csdn.net/postedit/80414998假设一个识别狗算法分类器：1. 过拟合 训练集错误率：1% 测试集错误率：15% 偏差为：1% 方差为：15%-1%=14% 总误差为 15% 虽然分类器训练误差非常低，但是没能成功泛化到测试集。这叫做过拟合。2.欠拟合 训练集错误率：15% 测
·
偏差和方差的定义介绍：https://mp.csdn.net/postedit/80414998
假设一个识别狗算法分类器：
1. 过拟合
训练集错误率：1%
测试集错误率：15%
偏差为：1% 方差为：15%-1%=14% 总误差为 15%
虽然分类器训练误差非常低，但是没能成功泛化到测试集。这叫做过拟合。
2.欠拟合
训练集错误率：15%
测试集错误率：16%
偏差为：15% 方差为：1% 总误差： 16%
该分类器具有高偏差和高方差。在训练集和测试集上面都表现的很差。这叫做欠拟合。
3.最后一种情况
训练集错误率：0.5%
测试集错误率：1%
偏差：0.5% 方差：0.5% 总误差 1%
训练集和测试集的都具有低方差和低偏差，分类器表现很好。
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)