機器學習中偏差(bias)，方差(variance)與噪音(noise)的關係

先定義一些變量和方式 Samples <X,y> 真實函數 (True Function) y= f(X) +ϵ ϵ 均值爲0，標準方差爲的高斯分佈 h(X) 擬合函數(以多項式爲例) 所以平方差和（sum-squared error）爲： 所以我們往往通過最小化平方差和來求解擬合函數中的未知參數（如多項式中的w）。多次訓練的結果存在細微的差別，如下圖中所示： 對於新的測試點X，如何計算預測誤差？

>>阅读原文<<