方差和偏差来分析：深度学习中的过拟合、欠拟合

偏差和方差的定义介绍：https://mp.csdn.net/postedit/80414998

假设一个识别狗算法分类器：

1.   过拟合

    训练集错误率：1%

    测试集错误率：15%

    偏差为：1%    方差为：15%-1%=14%    总误差为  15%

    虽然分类器训练误差非常低，但是没能成功泛化到测试集。这叫做过拟合。

2.欠拟合

     训练集错误率：15%

     测试集错误率：16%

     偏差为：15% 方差为：1%   总误差： 16%

     该分类器具有高偏差和高方差。在训练集和测试集上面都表现的很差。这叫做欠拟合。

3.最后一种情况

     训练集错误率：0.5%

     测试集错误率：1%

      偏差：0.5%   方差：0.5%  总误差  1%

       训练集和测试集的都具有低方差和低偏差，分类器表现很好。