方差bias 和偏差 virance
偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据。
方差：描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散，如下图右列所示。
在深度学习中，我们可以同时减小Bias和Variance，构建最佳神经网络模型。
一般来说，Train set error体现了是否出现bias，Dev set error体现了是否出现variance
如图所示，high bias对应着欠拟合，而high variance对应着过拟合。
过拟合即在训练集上表现良好，但在验证集上表现不佳。数据分布离散程度较大，即方差大。
欠拟合即使在训练集和验证集表现都不佳，数据偏离真实数据。
如何解决NN中出现的偏差和方差
也可能会出现 降低了偏差 此时方差升高
或者 降低了方差 升高了偏差的情况 这种时候应该通过训练大量的数据以及构建bigger network来解决