$MSE =偏差^2+方差$

Question

基于deeplearningbook：

MSE = E[(\theta_m^{-} - \theta)^2]

equals

Bias(\theta_m^{-})^2 + Var(\theta_m^{-})

其中m是训练集中的样本数，\theta是训练集中的实际参数，\theta_m^{-}是估计参数。

我到不了第二个方程式。此外，我不明白第一个表达式是如何得到的。

注意：

Bias(\theta_m^{-})^2 = E(\theta_m^{-2}) - \theta^2

在分类中，偏差和方差是如何评估的？

Answer 1

在维基百科链接上已经清楚地解释了这方面的证据。

有关更详细的讨论，请参阅本关于堆栈交换的问题