用來評估模型好壞的方差和偏差的概念及區別對比

一、基本概念上的對比解釋 1、偏差Bias：描述的是預測值（估計值）的期望與真實值之間的差距。偏差越大，越偏離真實數據，對象是單個模型。  2、方差Variance：描述的是預測值的變化範圍，離散程度，也就是離其期望值的距離。方差越大，數據的分佈越分散，對象是多個模型 在忽略噪聲的情況下，泛化誤差可分解爲偏差、方差兩部分。  偏差：度量學習算法的期望預測與真實結果的偏離程度，也叫擬合能力。  方差

>>阅读原文<<