教你用Python来计算偏差-方差权衡

衡量一个机器学习模型的性能，可以用偏差和方差作为依据。

一个高偏差的模型，总是会对数据分布做出强假设，比如线性回归。而一个高方差的模型，总是会过度依赖于它的训练集，例如未修剪的决策树。我们希望一个模型的偏差和方差都很低，但更多情况下我们需要在二者之间做出权衡。

在选择和调整模型时，“偏差-方差权衡” 是一个非常有用的概念。当然它在一般情况下是无法直接计算的，因为这需要这一问题领域内的全部知识，而我们并不具备。尽管如此，我们可以评估出一个模型的误差，并将其拆分成偏差和方差两部分，从而借此了解该模型的运行方式。

在这篇教程中，你将了解如何计算一个机器学习模型的偏差和方差。

在完成这篇教程后，你将会学到：

• 模型误差包含模型方差、模型偏差以及不可约误差；
• 我们希望模型具有低偏差和低方差，但是一般情况下一个值的缩小会导致另一个值的增大；
• 如何将均方误差分解成模型的偏差和方差。
  教程综述