《李宏毅的机器学习》第二课学习笔记（误差来源分析，bias和variane)

Bias是样本偏差，样本本身带来的误差，用样本建立的函数期望值与真实函数之间的误差，表示欠拟合，模型太简单就会导致bias过大；

Varince是方差误差，是函数不稳定带来的误差，方差过大，模型太复杂就会导致方差过大，也就是对样本可能拟合的很好，但对预测集拟合很差。

Bias是欠拟合，Variance是过拟合。