Bias是样本偏差,样本本身带来的误差,用样本建立的函数期望值与真实函数之间的误差,表示欠拟合,模型太简单就会导致bias过大;
Varince是方差误差,是函数不稳定带来的误差,方差过大,模型太复杂就会导致方差过大,也就是对样本可能拟合的很好,但对预测集拟合很差。
Bias是欠拟合,Variance是过拟合。
Bias是样本偏差,样本本身带来的误差,用样本建立的函数期望值与真实函数之间的误差,表示欠拟合,模型太简单就会导致bias过大;
Varince是方差误差,是函数不稳定带来的误差,方差过大,模型太复杂就会导致方差过大,也就是对样本可能拟合的很好,但对预测集拟合很差。
Bias是欠拟合,Variance是过拟合。