估計(jì)祭隔、偏差和方差

  • 本文首發(fā)自公眾號(hào):RAIS

前言

本系列文章為 《Deep Learning》 讀書筆記货岭,可以參看原書一起閱讀,效果更佳疾渴。

估計(jì)

統(tǒng)計(jì)的目的是為了推斷千贯,大量的統(tǒng)計(jì)是為了更好的推斷,這就是一種估計(jì)搞坝,一種根據(jù)現(xiàn)有信息對(duì)可能性的一種猜測(cè)搔谴。

  • 點(diǎn)估計(jì):點(diǎn)估計(jì)指的是用樣本數(shù)據(jù)估計(jì)總體的參數(shù),估計(jì)的結(jié)果是一個(gè)點(diǎn)的數(shù)值桩撮,因此叫做點(diǎn)估計(jì)敦第。這個(gè)定義非常寬泛,\hat{\theta}_m=g(x_1, x_2, ..., x_m)店量,其中幾乎對(duì) g 沒有什么限制芜果,只是說比較好的 g 會(huì)接近真實(shí)的 θ。
  • 函數(shù)估計(jì):是一種映射關(guān)系融师,如 y=f(x)+?右钾,其中 ? 是從 x 中預(yù)測(cè)不出來的,我們不關(guān)心旱爆,我們關(guān)心的是函數(shù)估計(jì) f舀射,函數(shù)估計(jì)是一種從輸入到輸出的映射關(guān)系。

偏差

估計(jì)的偏差定義為:bias(\hat{\theta}_m)=E(\hat{\theta_m})-\theta怀伦,這很好理解脆烟,估計(jì)與實(shí)際值之間的距離就是偏差,如果偏差為 0空镜,則\hat{\theta}\theta的無(wú)偏估計(jì)浩淘,如果在 m 趨近于無(wú)窮大時(shí)捌朴,偏差趨近于 0,則\hat{\theta}\theta的漸進(jìn)無(wú)偏张抄。

方差

上面我們用估計(jì)量的期望來計(jì)算偏差砂蔽,我們還可以用估計(jì)量的方差度量估計(jì)的變化程度,我們希望期望這兩個(gè)值都較小署惯。

對(duì)于高斯分布來說左驾,我們有:

  • 樣本均值 \hatμ_m=\frac{1}{m}\sum_{i=1}^mx^{(i)} 是高斯均值參數(shù) μ 的無(wú)偏估計(jì);
  • 樣本方差 \hatσ_m^2=\frac{1}{m}\sum_{i=1}^m(x^{(i)}-\hatμ_m)^2σ^2 的有偏估計(jì);
  • 無(wú)偏樣本方差 \hatσ_m^2=\frac{1}{m-1}\sum_{i=1}^m(x^{(i)}-\hatμ_m)^2σ^2 的無(wú)偏估計(jì)极谊;

無(wú)偏樣本方差顯然是比較不錯(cuò)的诡右,但是并不總是最好的,有時(shí)候某一些有偏估計(jì)也是很好的轻猖。比如在機(jī)器學(xué)習(xí)中帆吻,均值標(biāo)準(zhǔn)差就非常有用:

SE(\hatμ_m)=\sqrt{Var[\frac{1}{m}\sum_{i=1}^mx^{(i)}]}=\frac{σ}{\sqrt{m}}

或者寫成

σ_{\overline X}=\sqrt{Var(\overline X)}=\sqrt{\frac{1}{m}Var(X)}=\frac{σ}{\sqrt{m}}

均方誤差(MSE)

MSE=E[(\hatθ_m-θ)^2]=Bias(\hatθ_m)^2+Var(\hatθ_m)

魚和熊掌不可得兼,偏差和方差度量著估計(jì)量的兩個(gè)不同誤差來源咙边,偏差度量著偏離真實(shí)函數(shù)或參數(shù)的誤差猜煮,方差度量著數(shù)據(jù)上任意特定采樣可能導(dǎo)致的估計(jì)期望的偏差,兩個(gè)估計(jì)败许,一個(gè)偏差大王带,一個(gè)方差大,怎么選擇市殷?選擇 MSE 較小的愕撰,因?yàn)?MSE 是用來度量泛化誤差的。偏差和方差之和就是均方誤差:

均方誤差

總結(jié)

本篇主要介紹了估計(jì)醋寝、偏差和方差搞挣,可以用來正式的刻畫過擬合。

  • 本文首發(fā)自公眾號(hào):RAIS
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末甥桂,一起剝皮案震驚了整個(gè)濱河市柿究,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌黄选,老刑警劉巖蝇摸,帶你破解...
    沈念sama閱讀 219,366評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異办陷,居然都是意外死亡貌夕,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,521評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門民镜,熙熙樓的掌柜王于貴愁眉苦臉地迎上來啡专,“玉大人,你說我怎么就攤上這事制圈∶峭” “怎么了畔况?”我有些...
    開封第一講書人閱讀 165,689評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)慧库。 經(jīng)常有香客問我跷跪,道長(zhǎng),這世上最難降的妖魔是什么齐板? 我笑而不...
    開封第一講書人閱讀 58,925評(píng)論 1 295
  • 正文 為了忘掉前任吵瞻,我火速辦了婚禮,結(jié)果婚禮上甘磨,老公的妹妹穿的比我還像新娘橡羞。我一直安慰自己,他們只是感情好济舆,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,942評(píng)論 6 392
  • 文/花漫 我一把揭開白布卿泽。 她就那樣靜靜地躺著,像睡著了一般吗冤。 火紅的嫁衣襯著肌膚如雪罢杉。 梳的紋絲不亂的頭發(fā)上嘴纺,一...
    開封第一講書人閱讀 51,727評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音愈涩,去河邊找鬼侄旬。 笑死肺蔚,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的儡羔。 我是一名探鬼主播宣羊,決...
    沈念sama閱讀 40,447評(píng)論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼汰蜘!你這毒婦竟也來了仇冯?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,349評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤族操,失蹤者是張志新(化名)和其女友劉穎苛坚,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體色难,經(jīng)...
    沈念sama閱讀 45,820評(píng)論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡泼舱,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,990評(píng)論 3 337
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了枷莉。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片娇昙。...
    茶點(diǎn)故事閱讀 40,127評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖笤妙,靈堂內(nèi)的尸體忽然破棺而出冒掌,到底是詐尸還是另有隱情噪裕,我是刑警寧澤,帶...
    沈念sama閱讀 35,812評(píng)論 5 346
  • 正文 年R本政府宣布股毫,位于F島的核電站膳音,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏皇拣。R本人自食惡果不足惜严蓖,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,471評(píng)論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望氧急。 院中可真熱鬧颗胡,春花似錦、人聲如沸吩坝。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,017評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)钉寝。三九已至弧呐,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間嵌纲,已是汗流浹背俘枫。 一陣腳步聲響...
    開封第一講書人閱讀 33,142評(píng)論 1 272
  • 我被黑心中介騙來泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留逮走,地道東北人鸠蚪。 一個(gè)月前我還...
    沈念sama閱讀 48,388評(píng)論 3 373
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像师溅,于是被迫代替她去往敵國(guó)和親茅信。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,066評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容