泛化誤差Bias(偏差)，Error(誤差)，Variance(方差)及CV(交叉驗證)

Error = Bias^2 + Variance+Noise

• 什麼是Bias(偏差)

Bias反映的是模型在樣本上的輸出與真實值之間的誤差，即模型本身的精準度，即演算法本身的擬合能力

• 什麼是Variance(方差)

Variance反映的是模型每一次輸出結果與模型輸出期望之間的誤差，即模型的穩定性。反應預測的波動情況。

• 什麼是Noise(噪聲)

這就簡單了，就不是你想要的真正資料，你可以想象為來破壞你實驗的元凶和造成你可能過擬合的原因之一，至於為什麼是過擬合的原因，因為模型過度追求Low Bias會導致訓練過度，對測試集判斷表現優秀，導致噪聲點也被擬合進去了

作者：mrlevo520 連結：https://www.jianshu.com/p/8d01ac406b40 來源：簡書 簡書著作權歸作者所有，任何形式的轉載都請聯絡作者獲得授權並註明出處。

2，邏輯迴歸多重共線性的解決辦法

3 判別模型，生成模型，l1,l2正則

4，過擬合和解決辦法

5，邏輯迴歸特徵離散化優點，特徵離散化方法

6，引數估計方法及區別