机器学习中的偏差和方差

在机器学习中，偏差（Bias）和方差（Variance）是两个重要的概念。它们描述了模型的泛化能力和学习能力，并帮助我们理解模型的性能和优化方法。本文将详细介绍偏差和方差，并提供相应的源代码示例。

一、偏差（Bias）
偏差是指模型在训练集上的预测结果与实际结果之间的差异。具体来说，如果模型对数据的拟合程度较低，即使使用不同的训练集进行训练，模型仍然无法准确地捕捉到数据中的模式和规律，这被称为高偏差。高偏差模型往往过于简单，无法充分利用数据的信息，容易导致欠拟合问题。

下面是一个简单的线性回归模型的代码示例，用于说明偏差的概念：

import numpy as np
import matplotlib.pyplot as plt

# 生成带有噪声的线性数据
np.random