没有合适的资源?快使用搜索试试~ 我知道了~
资源详情
资源评论
资源推荐
1. High bias解决方案:Boosting、复杂模型(非线性模型、增加神
经网络中的层)、更多特征
2. High Variance解决方案:bagging、简化模型、降维
具体而言
高偏差, 可以用boosting模型, 对预测残差进行优化, 直接降
低了偏差. 也可以用高模型容量的复杂模型(比如非线性模型, 深度神
经网络), 更多的特征, 来增加对样本的拟合度.
高方差, 一般使用平均值法, 比如bagging, 或者模型简化/降
维方法, 来降低方差。
高偏差和高方差都是不好的, 我们应该加以避免. 但是它们又
是此消彼长的关系, 所以必须权衡考虑. 一般情况下, 交叉验证训练可
大禹倒杯茶
- 粉丝: 12
- 资源: 331
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0