理解算法的偏差、方差和噪声

算法的期望泛化误差：E(f:D)=bias^2(x)+var(X)+m^2

bias(偏差)：度量了算法的期望预测与真实结果的偏离程度。表示学习算法本身的拟合能力。

var(方差):度量了同样大小的训练集的变动所导致的学习能力的变化。表示了数据扰动所造成的影响。

m（噪声）：表示了在当前任务上任何学习算法所偶能达到的期望泛化误差下界，刻画了学习问题本身的难度。