内容
问：
为什么偏倚与方差对机器学习很重要？
A：
了解机器学习中的术语“偏差”和“方差”可帮助工程师更全面地校准机器学习系统，以实现其预期目的。偏差与方差很重要，因为它有助于管理机器学习项目中的一些权衡，这些权衡决定了给定系统对企业使用或其他目的的有效性。
在解释偏差与方差时，必须注意，这两个问题都可能以非常不同的方式损害数据结果。
偏差可被描述为导致群集不准确的问题–在这种情况下，机器学习可能会精确返回许多结果，但在准确性方面未达到标准。相比之下，方差是信息的“分散”，它是一种荒谬的数据，它显示了一系列结果，其中一些结果可能是准确的，但是许多结果将落在特定的精度范围之外，从而使总体结果更少准确，而且更“嘈杂”。
实际上，一些描述方差的专家解释说，变异结果倾向于“跟随噪声”，其中高偏差的结果不足以探索数据集。这是将偏差问题与方差问题进行对比的另一种方式–专家将偏差与拟合不足相关联，其中系统可能不够灵活，无法包含一组最佳结果。相比之下，差异将是一种相反的情况-过度拟合会使系统过于脆弱和精致，无法承受很多动态变化。通过从复杂性的角度看偏差与方差，工程师可以考虑如何优化系统的拟合度，以使其不太复杂，不太简单，而足够复杂。
偏差与方差的哲学在设计机器学习系统时有两种方法。始终使用机器偏差来尝试获取适用于其用途的准确结果的总体结果总是很重要的。在试图控制高度分散或分散的结果的混乱或荒野并处理任何给定系统中的噪声时，观察方差也总是很重要的。