偏 りと分散
データマイニング |
---|
Category:データマイニング |
バイアス-バリアンスのジレンマ(bias–variance dilemma)やバイアス-バリアンスの
- バイアス(
偏 り) 学習 アルゴリズムにおいて、誤差 のうち、モデルの仮定 の誤 りに由来 する分 。バイアスが大 きすぎることは、入力 と出力 の関係 を適切 に捉 えられていないことを意味 し、過少 適合 している。- バリアンス(
分散 ) 誤差 のうち、訓練 データの揺 らぎから生 じる分 。バリアンスが大 きすぎることは、本来 の出力 ではなく、訓練 データのランダムなノイズを学習 していることを意味 し、過剰 適合 している。
バイアス-バリアンス
バイアス-バリアンスのトレードオフは、
日本語 での訳語 [編集 ]
二乗 誤差 のバイアス-バリアンス分解 [編集 ]
データとして
導出 [編集 ]
これを
f は
と より
より
と は
手法 [編集 ]
線形 モデルや一般 化 線形 モデルでは、正則 化 により、バリアンスを減 らしバイアスを増 やせる[6]。- ニューラルネットワークでは、
隠 れ層 を大 きくすることで、バリアンスを増 やしバイアスを減 らせる。一般 化 線形 モデル同様 、正則 化 も使 える。[7] - k
近傍 法 では、kを増 やすことで、バリアンスを減 らしバイアスを増 やせる。 決定 木 では、木 の深 さでバリアンスを調整 できる。[8]:307
バイアス-バリアンスのトレードオフを
人間 の学習 への適用 [編集 ]
バイアス-バリアンスのジレンマは
Stuart Geman
参照 [編集 ]
- ^ a b Gigerenzer, Gerd; Brighton, Henry (2009). “Homo Heuristicus: Why Biased Minds Make Better Inferences”. Topics in Cognitive Science 1: 107–143. doi:10.1111/j.1756-8765.2008.01006.x. PMID 25164802.
- ^ C.M. ビショップ『パターン
認識 と機械 学習 』丸善 出版 、2012年 。ISBN 4621061224。 - ^ Trevor Hastie『
統計 的 学習 の基礎 』共立 出版 、2014年 。ISBN 432012362X。 - ^ “The Bias–Variance Tradeoff”. University Edinburgh (2007
年 ). 2014年 8月 19日 閲覧 。 - ^ Shakhnarovich, Greg (2011
年 ). “Notes on derivation of bias-variance decomposition in linear regression”. 2014年 8月 21日 時点 のオリジナルよりアーカイブ。2014年 8月 20日 閲覧 。 - ^ Belsley, David (1991). Conditioning diagnostics : collinearity and weak data in regression. New York: Wiley. ISBN 978-0471528890
- ^ a b Geman, Stuart; E. Bienenstock; R. Doursat (1992). “Neural networks and the bias/variance dilemma”. Neural Computation 4: 1–58. doi:10.1162/neco.1992.4.1.1 .
- ^ Gareth James; Daniela Witten; Trevor Hastie; Robert Tibshirani (2013). An Introduction to Statistical Learning. Springer
- ^ Jo-Anne Ting, Sethu Vijaykumar, Stefan Schaal, Locally Weighted Regression for Control. In Encyclopedia of Machine Learning. Eds. Claude Sammut, Geoffrey I. Webb. Springer 2011. p. 615
- ^ Scott Fortmann-Roe. Understanding the Bias–Variance Tradeoff. 2012. http://scott.fortmann-roe.com/docs/BiasVariance.html