模型误差的来源分析bias VS variance

        如题，其中，bias是期望输出与真实标记的差别。记为：

该值描述的是学习算法的期望预测与真实结果的偏离程度，即刻画了算法本身的拟合能力。

        variance是使用样本数相同的不同训练集产生的方差。记为：

该值描述的是同样大小的训练集的变动所导致的学习性能的变化，即刻画了数据扰动所造成的影响。

        总结起来就是，模型简单，数据欠拟合，误差主要来源是bias；模型越复杂，数据过拟合，误差主要来源是variance。下图可以很好的表示总结的内容（详情可以点击观看视频）。

bias大的直观表现以及解决方法：

variance大的直观表现以及解决方法：

如何训练模型：