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
领取专属 10元无门槛券
私享最新 技术干货