Bài 3: Cân bằng phương sai và độ lệch trong học máy. Để đánh giá hiệu suất của mô hình trên tập dữ liệu, chúng ta cần đo lường mức độ phù hợp của các dự đoán của mô hình với dữ liệu quan sát. Đối với các mô hình hồi quy , số liệu được sử dụng phổ biến nhất là sai số bình phương trung bình (MSE), được tính như sau: MSE = (1 / n) * Σ (y i - f (x i )) 2 ở đâu: n: Tổng số quan sát y i : Giá trị phản hồi của lần quan sát thứ i f (x i ): Giá trị phản hồi dự đoán của lần quan sát thứ i Các dự đoán của mô hình càng gần với các quan sát, MSE sẽ càng nhỏ. Tuy nhiên, chúng ta chỉ quan tâm đến MSE thử nghiệm, tức MSE khi mô hình của chúng ta được áp dụng cho dữ liệu dự báo. Điều này, là do chúng ta chỉ quan tâm đến cách mà mô hình sẽ hoạt động trên dữ liệu dự báo, không phải dữ liệu hiện có. MSE thử nghiệm có thể được phân tách thành hai phần: (1) Phương sai: Đề cập đế...