偏差-方差分解

偏差-方差分解（bias-variance decomposition），理学-计算机科学技术-人工智能-机器学习-学习理论，解释算法泛化性能的一种重要工具。它试图对学习算法的期望泛化误差错误率拆解成偏差、方差及噪声三项。人们需要对模型的性能进行评估来比较和选择模型。一般可以通过将数据集划分成训练集（training set）和测试集（testing set），在训练集上进行训练，然后以测试集上的测试误差（testing error）来做为泛化误差的近似。