机器学习补充（三）——bias偏差、error误差、variable方差三者的关系
在看完了所有的讲解后我总结一下：
ERROR指的是泛化误差，通常用这种方式来评价我们拟合的模型在 “真实模型” 上的好坏。打个比方：我们希望我们的模型在识别很多兔子的照片的时候，既不会将其全部识别为狮子，也不会将其一会识别为海豹一会识别为兔子一会又识别为猫。
从之中我们可以看出泛化误差的定义：
泛化误差=偏差+方差，只有两者都小的情况下，才能使得我们的模型又准又不分散。
偏差Bias
根据西瓜书上的定义
偏差度量了学习算法的预期值与真实结果的偏离程度，刻画了学习算法本身的拟合能力。
对于一个算法其本身的偏差越小表示其