贝叶斯误差的理解

以中国历史所有股票的行情交易数据来预测明天的涨跌方向；那么理论上存在无数个学习器，按照学习器的误差来升序排列，排名第一的误差就是贝叶斯误差；如果明天的涨跌方向完全决定于行情数据，那么理论上的贝叶斯误差为0，但行情数据的信息不够充分的，行情数据的信息发挥到极致，也会存在一个误差，这个误差就是贝叶斯误差；

个人理解：当前的数据在发挥了极致水平下的误差，是当前数据的固有属性；我们所有基于当前数据训练出来的模型误差都不可能低于该误差；如果增加更多的数据（从广度与深度扩展），如果数据有效，那么贝叶斯误差就会减少；

应用：人类在图像识别领域内的贝叶斯误差即人类的最高水准；

可以参考如下解释：

Even the best predictor will sometimes be wrong. Imagine predicting height based on gender. If you had the best predictor available you would still incur error because height does not depend solely on gender. The best predictor is typically called the Bayes predictor