机器学习中的偏差和方差

机器学习中的偏差和方差是两个重要的概念，用于描述模型在训练过程中的性能和泛化能力。理解和控制偏差和方差对于构建高性能的机器学习模型至关重要。本文将详细介绍偏差和方差的含义，并提供相应的源代码进行演示。

1. 偏差（Bias）：
   偏差是指模型预测值与真实值之间的差异。当模型具有较高的偏差时，意味着模型对于训练数据的拟合程度不够，无法捕捉到数据中的复杂关系。高偏差模型往往过于简单，容易出现欠拟合的情况。

下面是一个简单的线性回归示例，展示了高偏差模型的情况：

import numpy as np
import matplotlib.pyplot as plt

# 生成带噪声的线性数据
np.random.seed(0)
X <