bias和variance

bias：相当于我们预测了很多点${f^*}$的期望是$\bar f$离目标值$\hat f$的距离。
variance:${f^*}$的方差，分布的越开方差越大。
他们之间的关系：当你的模型越简单，可能忽略其他因素，所以最后你的$\bar f$离$\hat f$越远，由于模型简单涉及的范围小，所以variance小。
当你的模型越复杂，$\bar f$离$\hat f$越近，但是涉及的范围比较广，所以variance可能会更大。