偏差方差分解是对期望的分解，但我没有遵循在此分解中具体假设的随机性。
以下面等式中的特定回归示例为例。来自ESL的7.9分。这是期望：
- 跨越模型的多个拟合？（即跨多次培训？）
- 跨不同的数据点x?
我的印象是第 1 种情况，但这很奇怪。数据是我们用来拟合的数据，那么它们会是什么类型的拟合呢？
例如，这是在查看泛化错误吗？也就是说，对于我们训练的任何数据集（不一定是我们拥有的数据集） ，对于给定的通用点？或者是其他东西？
偏差方差分解：对什么的期望？
机器算法验证
期望值
毫秒
偏差-方差-权衡
2022-03-21 09:53:00
1个回答
Bias-Variance Decomposition 是针对测试集中固定观测值的预测误差进行的。
我们假设我们一次又一次地重新采样我们的训练集，并使用每个重新采样的训练集重新训练模型。
例如，误差的估计是这样进行的：在我们通过重采样个模型与个训练集中的每一个进行拟合。使用每个拟合模型，我们对测试集中的相同观察值（OOS）进行预测。有了预测，我们将有个预测值，误差的期望值是通过取所有预测误差的平均值来计算的。
偏差-方差分解表明，估计误差由偏差误差、方差误差和可约误差组成。
其它你可能感兴趣的问题