如何根据模型的偏差和方差来判断模型的拟合情况（评估优化模型的性能）

方差：模型输出围绕数据集标签均值波动的情况。
偏差：模型输出偏离数据集标签均值的情况。
高偏差对应欠拟合：训练误差和测试误差都很大。
高方差对应过拟合：训练误差很小，测试误差很大。
（1）多项式阶数和训练集，测试集误差的关系：

（2）正则化系数和训练集，测试集误差的关系：

（3）训练集样本数和训练集，测试集误差的关系：

优化模型性能的步骤：
（1）首先评估模型的性能，根据学习曲线，评估模型是欠拟合还是过拟合。
（2）根据模型评估的结果，选择相应的方法优化模型的性能。
高方差：1）选用更少的特征
2）增大正则化系数
3）增加训练样本数
高偏差：1）更多的特征
2）增加多项式特征
3）减小正则化系数

注：若样本处于高偏差，增加数据集无益于减少训练误差和测试误差。