机器学习中的bias和variance、欠拟合和过拟合

1、bias

Bias反映的是模型在样本上的输出与真实值之间的误差，即模型本身的精准度。

2、variance

Variance 反映的是模型每一次输出结果与输出期望之间的误差，即模型的稳定性。

欠拟合和过拟合

当训练集和验证集准确度都很低时，则一般是欠拟合，(此时训练集和验证集损失error都比较大）

而当训练集准确度很高而验证集准确度很低时，则一般是过拟合（此时训练集损失error比较小而验证集比较大）。