machine-learning - 偏差方差困境中的假设和不一致意味着什么？

Question

我正在阅读有关机器学习的内容并试图了解偏差和方差的含义。我已经阅读了这些文章（1、2、3），但仍有一些问题：

1. 偏见：

   模型有偏差，因为它假设数据将以某种方式（线性、二次等）表现，即使该假设可能不正确

   “假设”是什么意思？我们选择我们想要使用的模型。如果我们选择一个线性模型，那么它将尝试拟合它可以做的最好的线。

2. 方差：

   方差衡量在不同训练集上彼此预测的不一致程度

   如果我们使用不同的训练集，为什么它应该是一致的？如果我们使用猫的数据，它将给出一个预测。如果我们使用狗的数据，它会给我们不同的预测。或者他们是否意味着当我们向训练集添加更多观察时，预测应该会改进，而不是该模型现在给我们的预测与以前不同？

标签： machine-learningstatisticstraining-datavariance