泛化误差：就是把新用到模型上，比如说测试集体现的是一种泛化能力，也可以叫做测试误差
训练误差：也可以叫做经验误差
偏差（距离远近）：描述的是预测值的期望与真实值之间的差距，偏差越大，越偏离真实数据
方差（是否聚集）：预测值的方差，描述的是预测值的变化范围，离散程度，也就是离预测值期望值的距离，方差越大，数据的分布越分散，概念上理解比较抽象，下面我们通过下面一个例子来理解一下偏差和方差
偏置：因为任何模型一个模型都不可能百分之百的去拟合数据都会有一定的差距
误差=偏差+方差+偏置项
参考博客：https://blog.csdn.net/qq_40535327/article/details/106000161