西瓜书中的性能度量其实包括很多内容，在这里因为打卡的原因在学习中学到了那一块就在这写那一块的内容，可能这些内容没有仔细整理，都是从各类视频和书中摘出来的。

方差  variance

偏差  bias

泛化误差=方差+误差+噪声

高方差一般是模型欠拟合，高偏差一般是模型过拟合

吴恩达课程中对偏差和方差进行了很清晰的说明，一般情况下函数越复杂，对训练集数据拟合程度越高，而在验证集中出现较高的错误率，这种情况就是高方差。

如果模型在训练集中就出现了错误率很高的情况，就是高偏差，这个模型可能过于简单。

在训练中，一般将数据区分为训练集和测试集，使用训练集训练模型，使用测试集测试模型

Jcv表示训练集的cost函数，m表示样本

在高偏差的情况下，可以增加参数项目进行纠正，增加样本数量没有明显效果。如图

欠拟合，模型高偏差

训练样本多，参数多，导致过拟合，导致方差大，可以通过增加样本书来减少cost，也可以减少参数

高方差  模型过拟合

吴恩达老师提供的解决思路，其中lambda是正则化系数，一般情况下，可使用增加lambda来解决过拟合问题

P-R

吴恩达  查准率和召回率描述

在学习过程中要重点记住这个四分类图，记住并利用。

F1 score的描述 【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量

本章中用到了很多概率论的知识，正好准备考研，把概率论这部分知识补充了一下，假设检验的内容大部分是复习的时候捡起来的

【西瓜书】第2章 性能度量 【西瓜书】第2章 性能度量

这部分内容还在复习中，对于样本和分布的关系还需要进行复习和加强

正态总体均值，方差检验法，显著水平为a 【西瓜书】第2章 性能度量

参数估计

矩估计 最大似然估计