<aside> 💡 这张有点看不懂，做个大概的了解先~

</aside>

本章内容围绕比较检验，方差和偏差展开

比较检验

比较检验可以检验测试的错误率和繁华错误率是否分布相差太远，也可以比较两个学习器的性能。比较检验使用了统计学中的假设检验方法，进行定量处理不同分布之间的关系。

偏差和方差

• 定义：偏差指的是预测的期望值和真实值的偏差，方差指的是训练中每次的预测值和预测值的期望值之间的查军方。
• 偏差体现了学习器预测的准确度，方差体现了学习器预测的稳定性。
• 期望的泛化误差= 方差 + 偏差
• 随着训练程度的提升，期望预测值与真实值之间的差异越来越小，即偏差越来越小，但是另一方面，随着训练程度加大，学习算法对数据集的波动越来越敏感，方差值越来越大。换句话说：在欠拟合时，偏差主导泛化误差，而训练到一定程度后，偏差越来越小，方差主导了泛化误差。因此训练也不要贪杯，适度辄止。