科普一下Bias 和Variance

我们常常能在做机器学习的人口中听到

那么Model的Bias究竟在指什么？？？

今天就来扒一扒Bias 和总会成对出现的Variance究竟是个啥！

01

—

算法即套路

大家都知道人工智能就是希望计算机能够像人一样辨别事物，那么对于计算机来说这样的能力也需要进行训练。

所谓算法实际上就是人工智能在进行训练时采取的

机器学习算法有很多，原理上存在差别，但是目的都是基本相同的。

这个“套路”就是所谓的机器学习算法。

那在训练时究竟选择哪种算法好呢？

看Bias 和Variance就是一种最广泛和直接的办法。

要解释好Bias 和Variance首先说明白什么是过拟合和欠拟合。

02

—

欠拟合和过拟合

我们用老师教同学做题来对人工智能的训练过程打个比方。

考试前老师给每位同学发了本练习册附带答案，说：

欠拟合就好比老师遇到了学渣。练习册没好好做，知识点都没掌握，考试完。。。

过拟合就是老师遇到了书呆子，练习册全都是死记硬背，考试完。。。

最好的就是既不欠拟合又不过拟合，那种考啥会啥的学霸，

但又觉得自己。。。

在机器学习中如何选择性能比较好的算法呢？这时候可以Bias 和Variance就派上用场了。

02

—

Bias&Variance

Bias是指算法的预测与真实结果的偏离程度。就好比做完练习册去考试，看得了多少分。

Variance是指训练集的变动导致性能变化的程度。相当于用多考几次试，看每次得分是不是差不多。

而往往过拟合的算法会表现出Bias非常高，Variance非常低；欠拟合的算法会表现出Bias非常低，Variance非常高。

这就像书呆子在考试时，死记硬背，同样的题会答对，其他没有见过的问题会答错。多考几次试，会因为有的题见过、有的题没见过而发挥不稳定。

因为他不会:

相比于过拟合，欠拟合则更加简单。学渣所有的题都不会，所以Bias就会很低，而多考几次试发挥也是稳定的，对应Variance就比较高。

因为他：

讲到这里，相信大家对Bias 和Variance有了一点了解。人工智能的原理其实没有想象的那么晦涩难懂，如果你对AI饶有兴趣，从接触中总能发现乐趣！

欢迎大家关注！

更多

详情

敬请

关注