分类中偏差与方差分析的统一方法
机器学习
2021-01-14 v2 机器学习
摘要
标准的偏差与方差（B&V）术语最初是为回归设定定义的，其在分类上的推广导致了文献中若干不同的模型/定义。在本文中，我们旨在提供 Tumer & Ghosh（T&G）与 James 的常用框架之间的联系。通过统一这两种方法，我们将为 0/1 损失定义的 B&V 与为平方误差损失给出的边界分布的标准 B&V 相关联。该闭式关系提供了对分类性能的更深理解，并在两个案例研究中展示了其用途。
引用
@article{arxiv.2101.01765,
title = {A unifying approach on bias and variance analysis for classification},
author = {Cemre Zor and Terry Windeatt},
journal= {arXiv preprint arXiv:2101.01765},
year = {2021}
}
备注
17 pages, 3 figures