Bias 和 Various （准与误）

具体参见http://scott.fortmann-roe.com/docs/BiasVariance.html

image.png
上图讲的很明了
另外看到这样的解释，个人认为与上图的区别是点集和线集的差异，探讨的对象不同 image.png
image.png
image.png

目前不太知道如何评价线与线之间的偏差，方差等。对于点集的偏差可以使用标准偏差。

更多请参见知乎https://www.zhihu.com/question/27068705

评价方法

不同平均值

• 1. 均方根值（RMS）也称作为效值**，它的计算方法是先平方、再平均、然后开方。

     
     RMS

几种平均值

不同偏差

• 2. 均方根误差，它是观测值与真值偏差的平方和观测次数n比值的平方根，在实际测量中，观测次数n总是有限的，真值只能用最可信赖（最佳）值来代替.方根误差对一组测量中的特大或特小误差反映非常敏感，所以，均方根误差能够很好地反映出测量的精密度。均方根误差，当对某一量进行甚多次的测量时，取这一测量列真误差的均方根差(真误差平方的算术平均值再开方)，称为标准偏差，以σ表示。σ反映了测量数据偏离真实值的程度，σ越小，表示测量精度越高，因此可用σ作为评定这一测量过程精度的标准。

RMSE

3、标准差（Standard Deviation），标准差是方差的算术平方根，也称均方差(mean square deviation)，是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，用σ表示，标准差能反映一个数据集的离散程度。

Standard Deviation

Ref

修正：此博客中均方差的英文不正确，不是（mean square error）应该是(mean square deviation) ，个人认为区别前者减的是真值，后者减的是平均值。而实验中因为真值不可知，用的都是后者，即均方差（标准差）。
http://blog.163.com/jey_df/blog/static/1825501612013411105655629/