Regression
擬合線性模型後，是否可以將擬合殘差分解為偏差和方差？
我想將數據點分類為需要更複雜的模型或不需要更複雜的模型。我目前的想法是將所有數據擬合到一個簡單的線性模型中，並觀察殘差的大小來進行這種分類。然後，我閱讀了一些關於偏差和方差對誤差的貢獻，並意識到如果我可以直接計算偏差，那麼它可能是比使用總誤差（殘差或標準化殘差）更好的衡量標準。
是否可以使用線性模型直接估計偏差？有或沒有測試數據？交叉驗證在這裡有幫助嗎？
如果不是，是否可以使用線性模型的平均引導集合（我認為它稱為 bagging）來近似偏差？
**您通常不能將誤差（殘差）分解為偏差和方差分量。**原因很簡單，你通常不知道真正的功能。回想起那個然後是您希望估計的未知事物。
引導呢？ 可以通過 bootstrap 估計估計器的偏差，但這與 bagging 模型無關，我不相信有一種方法可以使用 bootstrap 來評估因為自舉仍然基於某種關於真理的概念，儘管它的名字起源於它，但它不能從無到有地創造一些東西。
澄清：估計器中偏差的引導估計是
和是您計算的統計數據的平均值 引導樣本。此過程模擬從某些人群中抽樣併計算您感興趣的數量的過程。這僅適用於原則上可以直接從總體計算。偏差的引導估計評估插件估計（即僅對樣本而不是總體進行相同的計算）是否有偏差。
**如果您只想使用殘差來評估模型擬合，那是完全可能的。**如果您，正如您在評論中所說，想要比較嵌套模型和，您可以進行方差分析來檢查較大的模型是否顯著降低了誤差平方和。