偏差-方差困境是机器学习方法的面临的主要问题。如果模型过于简单则模型将难以找到输入和输出之间的适当关系（欠拟合）。如果一个模型太复杂，它在训练中会表现得更好，但在看不见的数据上的性能会有更大的差异（或过拟合），而且复杂的模型往往需要更昂贵的计算资源。对于机器学习来说理想的方法是，能够找到一个简单的模型，它训练起来既很快又可以找到输入和输出之间的复杂关系。核方法就是通过将数据的输入空间映射到高维特征空间，在高维特征空间中可以训练简单的线性模型，从而得到高效、低偏差、低方差的模型。偏差-方差困境是机器学习方法的面临的主要问题。如果模型过于简单则模型将难以找到输
阅读背景：
基本的核方法和径向基函数简介_deephub
来源：互联网
分享到：
