吴恩达机器学习笔记十八制定一个性能评估标准学习曲线高偏差高方差

作者：繁依Fanyi0 | 2024-03-12 16:03:30

踩

一个模型的好坏的评估基准可以从下面几个方面考虑：

1.考虑人类在这个问题上的表现

2.对比竞争算法的表现

3.根据经验猜测

判断是高偏差还是高方差

训练样本数量越多，越难完美地拟合每个样本，因此 J_train 会逐渐增大一点点，但泛化能力也逐渐增强；

高偏差的情况：

模型太简单了，再怎么加数据误差也差不多，假设以人类水平为基准，则J_train和基准之间差距较大，图像一直水平向右延伸，增加样本数量并不会有什么改变。

高方差的情况：

J_train可能会比人类的表现好一些，但 J_cv 仍远大于 J_train。这种情况下可以增加样本数量或许能使模型表现得更好。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/224478

吴恩达机器学习笔记 十八 制定一个性能评估标准 学习曲线 高偏差 高方差