分類：預測偏誤

如 線性迴歸 計算各個符記 預測偏誤 是一項快速檢查，可找出模型或訓練資料相關問題 從過往經歷來看，Google 在 初期就遇到資料處理方面的難題

預測偏誤是指模型平均值差異 預測 以及平均值 實際資料 資料。使用資料集訓練的模型 其中 5% 的電子郵件是垃圾郵件預測的 所分類的電子郵件為垃圾郵件。也就是說 真值資料集為 0.05，而模型預測結果的平均值 且 0.05在這種情況下，模型的預測偏誤為零。/ 模型可能仍有其他問題

但如果模型預測電子郵件成為垃圾郵件的機率為 50%，則 訓練資料集出錯時 或模型本身不限 代表模型 導致模型出現偏誤

下列原因可能造成預測偏誤：

• 資料中的偏誤或雜訊，包括訓練集的偏誤取樣
• 過於強正規化，意味著模型過度簡化而遺失 達到特定目的
• 模型訓練管道中的錯誤
• 提供給模型的功能組合不足以執行工作

重要字詞：

• 真值
• 預測
• 預測偏誤

說明中心