如何用Python来计算偏差-方差权衡？( 三 )

#estimate the bias and variance for a regression model frompandas import read_csv fromsklearn.model_selection import train_test_split fromsklearn.linear_model import LinearRegression frommlxtend.evaluate import bias_variance_decomp #load dataset url ='https://raw.githubusercontent.com/jbrownlee/Datasets/master/housing.csv' dataframe= read_csv(url, header=None) #separate into inputs and outputs data= http://news.hoteastday.com/a/dataframe.values X, y= data[:, :-1], data[:, -1] #split the data X_train,X_test, y_train, y_test = train_test_split(X, y, test_size=0.33,random_state=1) #define the model model= LinearRegression() #estimate bias and variance mse,bias, var = bias_variance_decomp(model, X_train, y_train, X_test, y_test,loss='mse', num_rounds=200, random_seed=1) #summarize results print('MSE:%.3f' % mse) print('Bias:%.3f' % bias) print('Variance:%.3f' % var)执行上述代码，记录估计出的误差和模型的偏差和方差。
注意：考虑到算法或评估过程的自然随机性或者是数值精度的不同，你的结果有可能会存在很大的差异。你可以考虑把这段代码反复执行几次，比较结果的平均值。
本例中，我们可以看到这个模型具有高偏差和低方差。这是预料之中的，因为我们用的是线性回归模型。我们还可以看到估计平均值加上方差等于模型的评估误差，即20.726+1.1761=22.487 。
MSE:22.487 Bias:20.726 Variance:1.761
深入了解
如果您想进一步了解，本节将提供更多有关该主题的资源。

教程

机器学习中的偏差-方差权衡：
https://machinelearningmastery.com/gentle-introduction-to-the-bias-variance-trade-off-in-machine-learning/

书籍

《统计学习及其在R中的应用》， 2014版：
https://amzn.to/2RC7ElX
《预测模型应用》， 2013版：
https://amzn.to/3a7Yzrc

文章

偏差-方差权衡，维基百科：
https://en.wikipedia.org/wiki/Bias%E2%80%93variance_tradeoff
偏差方差分解， MLxtend库：
http://rasbt.github.io/mlxtend/user_guide/evaluate/bias_variance_decomp/
总结
在这篇教程中，你掌握了如何计算一个机器学习模型的偏差和方差。
具体而言，你学到了：

模型误差包含模型方差、模型偏差以及不可约误差。
我们寻求具有低偏差和低方差的模型，但是一般情况下一个值的缩小会导致另一个值的增大。
如何将均方误差分解成模型的偏差和方差。

原文标题：
How to Calculate the Bias-Variance Trade-off with Python
原文链接：
https://machinelearningmastery.com/calculate-the-bias-variance-trade-off/
编辑：晏斓辉
译者简介

本文插图
吴振东，法国洛林大学计算机与决策专业硕士。现从事人工智能和大数据相关工作，以成为数据科学家为终生奋斗目标。来自山东济南，不会开挖掘机，但写得了Java、Python和PPT 。
——END——
【如何用Python来计算偏差-方差权衡？】想要获得更多数据科学领域相关动态，诚邀关注清华-青岛数据科学研究院官方微信公众平台“ 数据派THU ” 。欢迎大家评论区讨论和留言~