解释什么是偏差和方差？如何权衡？（面试题200合集）

什么是偏差和方差？

在机器学习中，偏差（Bias） 和 方差（Variance） 是两个用来描述模型性能的重要概念，它们帮助我们理解模型在训练数据和测试数据上的表现差异，以及如何提升模型的泛化能力。

偏差（Bias）

• 定义：偏差是指模型预测值与真实值之间的平均差异。简单来说，它衡量模型是否能够准确拟合训练数据。
• 特点：
  • 如果偏差高，说明模型过于简单，无法捕捉数据中的复杂模式，这种情况称为欠拟合（Underfitting）。
  • 欠拟合的模型在训练集和测试集上表现都不佳。
• 举例：用一个线性回归模型去拟合一个明显的非线性关系数据集，会因为模型过于简单而产生高偏差。

方差（Variance）

• 定义：方差衡量模型预测的稳定性和变异性&#x