改善深层神经网络1.2方差和偏差

深度学习中经常不提及方差和偏差的均衡
一般通过对验证集和测试集的误差多少来判断方差和偏差
例如，如果训练集是1%二测试集是11%很明显这是过拟合了，属于高方差。
如果训练15% 测试16% 属于高偏差
如果训练15% 测试30% 属于双高
如果训练0.5%测试1% 属于双低
但是这些所有的假设都建立在最优误差和贝叶斯误差接近于0的时候作出的推断。
现在通常在深度学习上，通过增大数据集可以在不影响偏差的情况下，降低方差，而增大网络可以在不影响方差的情况下，降低偏差。
这就是深度学习对监督学习的一个非常有好处的地方，不用过度关注方差和偏差的均衡

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容