机器学习中，如何利用训练集&测试集来判断 方差（varience）& 偏差（bias）

内容基于NG的课程varience and bias tardeoff

假设我们需要对图片中是否是“猫”做出判断，并且数据集D给出的标签是完全正确的。

现在将数据集切分成训练集trainingSet 和 测试集testingSet，训练出了多个模型，并得出以下结果：

模型	训练集的错误率	测试集的错误率	结论
A	1%	1.2%	low bias & low varience
B	1%	15%	high varience (过拟合)
C	15%	16%	high bias (欠拟合)
D	10%	30%	high varience & high bias （部分维度欠拟合，部分维度过拟合）

总结：一般情况下，训练集的错误率会略低于测试集的错误率。
若测试集的错误率远高于训练集，则可认为是方差过高（过拟合），若测试集和训练集的错误率均远高于理想结果，则认为是欠拟合（需从增加迭代次数，增加模型复杂度等方面着手）