偏差（bias)和方差(variance)区别：
偏差指的是算法的期望预测与真实预测之间的偏差程度， 反应了模型本身的
拟合能力；
方差度量了同等大小的训练集的变动导致学习性能的变化， 刻画了数据扰动
所导致的影响。
当模型越复杂时， 拟合的程度就越高， 模型的训练偏差就越小。 但此时如果
换一组数据可能模型的变化就会很大， 即模型的方差很大。 所以模型过于复
杂的时候会导致过拟合。
当模型越简单时， 即使我们再换一组数据， 最后得出的学习器和之前的
学习器的差别就不那么大， 模型的方差很小。 还是因为模型简单， 所以偏差
会很大。
模型复杂度越高，越容易过拟合，方差越大，偏差越小
模型复杂度越低，越容易欠拟合，偏差越大，方差越小
