如何“训练”出一个范冰冰做女朋友——谈机器学习泛化

正文

请到「今天看啥」查看全文

机器学习理论里，我们把泛化误差（generalization error）定义为由三个部分形成。

• 数据误差：即你学习的照片（由于角度、灯光、假发、等）与范冰冰真人的差异；

• 模型偏差（model bias）：即你选择的原始整容模型与范冰冰不可通过整容缩小的差异；

• 方差（variance）：你根据不同照片子集整出来的每一个山寨范冰冰版本之间的差异。

举个例子：

如果你选择一只猴子为原始模型（model），model bias 就是你的原型（猴子）与目标（范冰冰）整不出的天然差距，例如：身高、手脚的长短比例、五官比例、头骨大小等。猴子的model bias很大，因为无论你如何为这只猴子整容（常规市场上提供的整容手术），整容后的猴子最后与范冰冰的差别还是很大。但是也由于猴子的可塑性相对有限（头毛全剃掉，整眼睛、鼻子、嘴巴、颚骨），所以每一次根据你所看到的照片子集修改猴子整容方差（variance）也相对小，即：每一个整出的猴子范冰冰版本都差不多。[摊手]

请到「今天看啥」查看全文