如何理解过拟合=高方差、欠拟合=高偏差

欠拟合=高偏差还好理解一些，一直不太明白过拟合和高方差有什么关系，那么我们首先就要理解各种 ‘差’ 的定义

定义：

我们评价一个模型好不好，是通过测试集的数据来评价的，而不是训练集或者交叉验证集，如果在测试集上预测数据表现得不好，那么我们就说这个训练出来的模型有很大的误差。
那么误差来自于哪里呢？
误差 = 偏差 + 方差
在不写出这个式子时，很多人可能不会察觉误差和偏差有什么区别？因此总是想当然的认为误差和偏差是一个东西，这样就会造成我们无法理解方差是什么？
误差：在测试集上，预测值和实际值之间存在的差距。

图中红点表示输入一个样本x，其真实的输出值y，即我们希望输出的目标，而蓝点表示我们实际预测出来的输出值，注意，所有蓝点的输入样本都是同一个x，那么为什么会得出不同的预测值呢？因为这里代表的是：我们使用了不同的训练集（从所有样本中选出不同的训练集）得出了不同的参数theta（即N个不同的训练模型），导致最终的预测值有区别。
解释完这些，再定义偏差和方差。
偏差： 偏差是衡量预测值和真实值的关系。即N次预测的平均值（也叫期望值），和实际真实值的差距。所以偏差bias=E(p(x)) - f(x)。
方差： 方差用