如何根據偏差bias和方差variance來調整模型以提高其在驗證集上面的表現？

1. 當一個模型出現高偏差的時候，代表模型欠擬合，即模型的擬合能力不夠，不足以描述出數據本身的分佈情況。此時應該增加模型的複雜度以降低模型的偏差。

2. 當模型出現低偏差高方差時，則說明模型的複雜度已經足以用來描述數據的分佈情況了（低偏差），甚至已經“過度描述數據的分佈”了（高方差）。此時應該通過某些手段（正則化、剪枝等）來減弱模型在某些方向上的複雜度。

3. 剪枝或者正則化過度，模型又出現高偏差，返回1，再到2，再到3；否則模型低偏差低方差，訓練完畢，輸出。