目标函数包括两部分,损失函数(控制模型预测的精度)和正则项(保持模型的简单和稳定):
Bias-Variance Tradeoff(偏差-方差权衡)也是为了时模型同时达到精准的预测以及更强的泛化能力。
偏差Bias:在集成学习和各种树模型中,有多个弱学习器集成一个强的学习器,每一次弱学习器的预测值 ,跟真实值 之间的差异叫做偏差,尽可能减小偏差能够得到一个学习能力强的学习器,因此偏差衡量的是模型的精度;
方差Variance:衡量的是每次预测值的离散程度,即模型的预测是否稳定。
[Understanding the Bias-Variance Tradeoff]
http://scott.fortmann-roe.com/docs/BiasVariance.html