MSE = Bias² + Variance?什么是“好的”统计估计器

偏差-方差权衡”是ML/AI中被经常提到的一个流行概念。我们这里用一个直观的公式来对它进行解释:

MSE = Bias² + Variance

本文的目的并不是要证明这个公式，而是将他作为一个入口，让你了解统计学家如何以及为什么这样构建公式，以及我们如何判断是什么使某些估算器比其他估算器更好。

用公式来概括细节虽然很直观但是并不详细，所以本文将详细解释为什么我说这个公式是正确的。

先决条件

如果你对一些核心概念有一定的了解，这些东西就会更容易理解，所以这里有一个快速的关键词列表:

偏差;分布;估计;估计量;期望值E(X);损失函数;均值;模型;观察;参数;概率;随机变量;样本;统计;方差V (X)

这些基本的统计学概念你都应该有一个基本的概念，如果有一些疑问请自行搜索。

完整文章:

https://avoid.overfit.cn/post/a0fb6d1c0de14e89a734a28cca920d6f