- 准：bias 描述的是根据样本拟合出的模型的输出预测结果的期望与样本真实结果的差距，简单讲，就是在样本上拟合的好不好。要想在 bias 上表现好，low bias，就得复杂化模型，增加模型的参数，但这样容易过拟合（overfitting），过拟合对应上图是 high variance，点很分散。low bias 对应就是点都打在靶心附近，所以瞄的是准的，但手不一定稳。
- 确：varience 描述的是样本上训练出来的模型在测试集上的表现，要想在 variance 上表现好，low varience，就要简化模型，减少模型的参数，但这样容易欠拟合（unfitting），欠拟合对应上图是 high bias，点偏离中心。low variance 对应就是点都打的很集中，但不一定是靶心附近，手很稳，但是瞄的不准。
Error = Bias + Variance
