个人感觉理解误差、偏置、方差的一个好的解释，感谢分享：https://baijiahao.baidu.com/s?id=1601092478839269810&wfr=spider&for=pc
该作者写的我感觉已经很容易懂了。
Error：反映的模型的准确度。误差越大，模型越不准确。
Bias：反映的模型的拟合度。神经网络中往往加上一个bias，来增加其拟合效果
Variance：反映的模型的稳定性。数学上都学过，方差越大，模型越不稳定，反之，越稳定。
损失函数(Loss Function)和代价函数(Cost Function)的理解见博客：https://blog.csdn.net/lyl771857509/article/details/79428475
感谢博主
