2-error come from？variance 和 bias 过拟合和欠拟合

1、机器学习就是学习最佳的fucntion，实现从x预测y

2、对于输入的（x,y）,训练出来一些model，这些model function计算出来的y1,y2,y3... 均值为E（y1,y2,y3...）,即所有的预测输出值均在E（y1,y2,y3...）的周围（比如是射箭，虽然射出去的箭都是瞄准的靶心，但是由于风的原因，所有射到靶的箭均围绕在均值周围），均值E和y值得差距就是bise。 对于该种情况，真正的function可能都 不在训练出来的这一些model范围内

3、对于输入的（x,y）,训练出来一些model，这些model function计算出来的y1,y2,y3... 标准差（y-E）^2，即variance.当variance大，即所有的预测出来的值 散列在均值点比较开。均值点相对上面情况靠近靶心。对于该种情况，真正的function可能在训练出来的model范围内

4、3相对2，模型比较复杂，受输入值得变化影响大。

5、优化方法：当出现2情况，为欠拟合，真正的function可能不在训练出来的model中，所以需要增加模型的特征，来训练新模型。 当出现3情况，为过拟合，优化方法：1、增加训练样本集 2、增加正则项