Dalam 'The Elements of statistik Learning', ekspresi bias-variance dekomposisi linier model diberikan sebagai mana f ( x 0 )
Istilah varians mengganggu saya di sini karena persamaan menyiratkan bahwa varians akan menjadi nol jika target tidak bersuara, yaitu, Tapi itu tidak masuk akal bagi saya karena bahkan dengan nol noise saya masih bisa mendapatkan perbedaan estimator f ( x 0 ) untuk set pelatihan yang berbeda yang berarti varians adalah non-nol.
Misalnya, anggap fungsi target adalah kuadratik dan data pelatihan berisi dua titik sampel secara acak dari kuadratik ini; jelas, saya akan mendapatkan kecocokan linear yang berbeda setiap kali saya mencicipi dua poin secara acak dari target kuadratik. Lalu bagaimana varians menjadi nol?
Adakah yang bisa membantu saya menemukan apa yang salah dalam pemahaman saya tentang dekomposisi bias-varians?
sumber