Compromiso sesgo-varianza
Compartir
la creación de modelos estadísticos de clasificación o regresión a partir de datos ruidosos (propios de medidas empíricas) implica encontrar un punto óptimo que reproduzca la relación (generalmente no lineal) entre las variables predictivas y las variables de clase u objetivo, para lo cual necesitamos modelos suficientemente complejos o flexibles que no estén sesgados de una manera sistemática, pero no tan complejos que incorporen los detalles particulares de la realización del ruido que se da en los limitados datos de entrenamiento. En este vídeo repasamos la naturaleza de este compromiso en el caso particular de modelos basados en redes neuronales.
Licencia: Copyright (Licencia propietaria)
-
Luis Manuel Sarro Baro Profesor Contratado Doctor del departamento de Inteligencia Artificial de la ETSI Informática , UNEDBernardo Gómez García realizador vídeo, UNED Media, UNED
Archivos adjuntos
