我们有一个想法然后用机器学习实现但是总是返现不能达到我们预想的效果因此机器学习系统的关键在于如何决定下一步该做什么以提高性能在线性回归中左边我们是这个模型是高偏差也可以说是欠拟合右边的模型是一个四次多项式他穿过么每一个点我们可以说这个模型过拟合或者叫高方差中间的则是刚刚好因为这是只有一个特征X的问题我们可以绘制函数轻松的识别出来哪一个模型拟合数据拟合的 更好如果有很多的特征我们不可能像这样去绘制判断他是否做得好因此介绍一个更系统的方法来诊断找出算法是否具有高方差或者高偏差产看算法在训练集或者是在交叉验证集上的表现在左边的时候D1多项式的次幂非常低的时候JCV非常高因为他欠拟合所以在训练集上表象不佳在右边多项式的次幂非常大的时候在交叉验证集上表现不好但是在中间既没有高偏差也没有高方差对于左边的这个图像横轴是拟合的多项式的次幂纵轴是误差两条线代表两种误差一个是训练的误差一个是测试的误差重点是高偏差就是训练集上表现的不好就是欠拟合高方差就是在测试机上表现得不好就是过拟合。