个人感觉理解误差、偏置、方差的一个好的解释,感谢分享:https://baijiahao.baidu.com/s?id=1601092478839269810&wfr=spider&for=pc
该作者写的我感觉已经很容易懂了。
Error:反映的模型的准确度。误差越大,模型越不准确。
Bias:反映的模型的拟合度。神经网络中往往加上一个bias,来增加其拟合效果
Variance:反映的模型的稳定性。数学上都学过,方差越大,模型越不稳定,反之,越稳定。
损失函数(Loss Function)和代价函数(Cost Function)的理解见博客:https://blog.csdn.net/lyl771857509/article/details/79428475
感谢博主