实验记录 02 · 误差诊断
偏差—方差诊断台
三个误差只能给出诊断线索。先比较差距，再看学习过程和真实错例；不要让某个数值替你下结论。
可避免偏差线索
7.0训练误差 − 参考误差，单位为百分点。
泛化差距
7.0验证误差 − 训练误差，单位为百分点。
当前读法：两段差距都值得继续调查
- 可避免偏差是线索：优先检查训练闭环、容量、优化和标签质量。
- 泛化差距是线索：优先检查划分、分布、数据量与正则化。
- 结合学习曲线和错例抽样，再决定下一组实验。
给终点补上时间轴
选择一个曲线预设，练习把“形状”写成待验证的假设。
线索：两条曲线在较高位置趋于平缓。优先检查实现、输入尺度、学习率、初始化和可拟合能力，而不是直接加大正则化。
把指标还原成错例
这是一次小规模随机抽样记录。勾选你已复核的样本，类别可以重叠；真实分析还应扩大样本并保留抽样规则。
| 样本 | 初步标记 | 已复核 |
|---|---|---|
| 错例-07 | 输入模糊、低光照 | |
| 错例-12 | 标签定义不一致 | |
| 错例-23 | 少数设备切片 | |
| 错例-31 | 需要上下文 |
已复核 0 / 4 个样本
优先检查：抽样是否随机、标签是否可信、关键业务切片是否被覆盖。
诊断边界：本实验不设置“超过某值就一定高偏差/高方差”的自动阈值。误差单位、标签噪声、指标方差和业务目标不同，同样的差距可能具有不同含义。