模型的高bias是什么意思, 我们如何降低它 ？

2012 次浏览
  • A、在特征空间中减少特征
  • B、在特征空间中增加特征
  • C、增加数据点
  • D、B和C
  • E、以上所有
小开
答案解析
之前的解析略有问题，特完善如下。bias表示模型预测值的均值与样本实际值的差距，它反映了模型对样本数据的拟合能力。bias越低，说明模型越复杂，参数越多，对样本数据的拟合效果越好，但是容易过拟合；bias越高，说明模型越简单，参数太少，对样本数据的拟合效果不好，这就是欠拟合。降低bias的方法是增加数据的特征维数，从而实现模型参数的增加，提高模型复杂度，增强模型对样本数据的拟合能力，拟合能力越高bias越低。增加样本数量并没有增加模型训练时的参数，所以不会提高模型复杂度，也就无法降低bias，C错误。在特征空间中增加特征就是增加样本数据的输入特征维数，所以A错误，B正确。
mshare
挑战成功
1年前
mshare
挑战失败
1年前
jjhash
挑战成功
1年前
jjhash
挑战失败
1年前
xubaoyu
挑战成功
2年前
xubaoyu
挑战失败
2年前
chay99
挑战成功
2年前
蒋
挑战成功
2年前
蒋
挑战失败
2年前
Yan2009
挑战成功
2年前

提交答案
微信公众号
有课学公众号
  • 微信公众号: geekdaxue