✨ 复制成功!

以文会友,打造好学人设!

📋 已复制到剪贴板:

《决策树入门教程》


1 数学基础
    1.1  概率论入门

    1.2  Bootstrap抽样方法

    1.3  对数的深刻认识

    1.4  信息与信息熵

    1.5  偏差与方差

    1.6  信息增益

    1.7  基尼不纯度

2 决策树基础知识
    2.1  决策树概述

    2.2  ID3算法简介

    2.3  C4.5算法简介

    2.4  CART算法简介

偏差与方差

创建时间:2022-04-18 更新时间:2022-04-18 阅读次数:1370 次

机器学习全部是关于给定输入数据$x$和给定输出数据$y$,然后去寻找一个最佳映射函数$f$,这个映射函数通常也被叫做目标函数

任何机器学习算法都会存在预测误差,预测误差可以分解为两部分,即:偏差误差+方差误差,对于给定的模型,对偏差-方差之间的权衡对学习机器学习是非常重要的。偏差和方差的示意图如下所示:

本教程共11节,当前为第5节!
本教程最新修订时间为:2023-02-03 09:43:25

📌 面试天下网:一款服务于大一新生的口袋书,让大家在无聊的公共课上可以学习大模型技术!
📌 网站公告:【悬赏 200 元/篇】寻找“大模型面试战场”的一手回忆录
📌 网站公告:【大模型/Agent面试陪练1V1指导】正式启动......

评论专区

评论加载中...