深度学习记录--偏差/方差(bias/variance)

这篇具有很好参考价值的文章主要介绍了深度学习记录--偏差/方差(bias/variance)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

误差问题

拟合神经网络函数过程中会出现两种误差:偏差(bias)和方差(variance)

偏差和误差的区别

欠拟合(underfitting)

当偏差(bias)过大时,如左图,拟合图像存在部分不符合值,称为欠拟合(underfitting)

过拟合(overfitting)

当方差(variance)过大时,如右图,拟合图像过于特殊,不够集中(即方差过大),称为过拟合(overfitting)

误差和train/dev sets

以猫的识别为例:

基本误差/最优误差很小时,且train/dev sets来自同一分布,则会有以下判断:

train set error较小,dev set error过大:high variance

train set error过大,dev set error过大(与train set error差不多):high bias

train set error过大,dev set error过大(比train set error还大很多):high bias & high variance

train set error较小,dev set error较小:low bias & low variance

 假如基本误差不是很小,则要考虑error与基本误差之间的大小差距来进行恰当的判断

深度学习记录--偏差/方差(bias/variance),深度学习记录,深度学习,人工智能

训练神经网络的基本方法 

 high bias

--> bigger network(更深的神经网络模型)

--> train longer(训练更长时间,让模型更加成熟)

 high variance

-->more data(更大的数据量,更加具有普遍性)

-->regularization(正则化)

深度学习记录--偏差/方差(bias/variance),深度学习记录,深度学习,人工智能文章来源地址https://www.toymoban.com/news/detail-797125.html

到了这里,关于深度学习记录--偏差/方差(bias/variance)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包