Principes de base de l’apprentissage automatique : biais et variance

Le biais et la variance sont deux concepts de base de l’apprentissage automatique, et leur intuition est légèrement différente de ce que vous pourriez apprendre en classe de statistiques. Ici, j’utilise deux exemples pour rendre ces concepts très faciles à comprendre. ⭐ Remarque : lorsque je code, j’utilise Kite, qui est un assistant de codage gratuit basé sur l’IA qui peut vous aider à coder plus rapidement et plus intelligemment. Le plug-in Kite s’intègre à tous les meilleurs éditeurs et IDE, vous offrant une complétion et une documentation intelligentes au fur et à mesure que vous tapez. Je l’aime bien! Pour un index complet de toutes les vidéos StatQuest, veuillez consulter : Si vous souhaitez soutenir StatQuest, veuillez considérer… Patreon :… ou… Abonnement YouTube :… un T-shirt ou un sweat-shirt StatQuest cool USA/Europe ) : (partout) :… achetez une ou deux de mes chansons (ou achetez un gros album !)… ou faites simplement un don à StatQuest ! Enfin, si vous voulez me suivre pendant que je recherche et crée une nouvelle StatQuest, veuillez me suivre sur twitter : 0:00 superbes chansons et introductions 0:29 données et “vrais” modèles 1:23 données Divisé en entraînement et test ensembles 1:40 minimum de données d’entraînement d’ajustement de régression 2:16 définition d’écart 2:33 données d’entraînement d’ajustement de courbe 3:40 ensemble de données de performance et de test du modèle 4:06 définition de la variance 5:10 définition de surajustement # statquest #ML.