测试数据上的平均误差是由bias和variance造成的
？什么是bias
？什么是variance
Error = Bias + Variance
Error反映的是整个模型的准确度，Bias反映的是模型在样本上的输出与真实值之间的误差，即模型本身的精准度，Variance反映的是模型每一次输出结果与模型输出期望之间的误差，即模型的稳定性。
！越简单的model variance可能会越小，越复杂的variance会越大
！bias与之相反
一般bias大而variance小往往说明模型欠拟合；
一般variance大而bias小往往说明过拟合，过拟合需要增大数据量；
？如何解决variance大的问题
正则化：regulation
！可能会伤害bias
模型选择
trade off bias and variance
交叉验证
图片均来自视频截图
https://www.bilibili.com/video/BV1Ht411g7Ef?p=5