截圖來自吳恩達深度學習視訊

 圖1是一個近似線性分類器，欠擬合，高偏差；

圖3過擬合，高方差；

圖2介於二者之間，適度擬合。

將圖1進行部分改動生成紫色線所示的分類器（如下圖），其具有高偏差和高方差，接近線性分類器，欠擬合的同時，對某兩個樣本過擬合。

以下面的貓狗二分類問題為例：

假設訓練集和驗證集來源相同，基本誤差較小

檢驗方差和偏差的一個指標是看訓練集和驗證集的錯誤率：

假如訓練集錯誤率1%，而驗證集錯誤率為11%，有可能是訓練集過擬合導致的，——>高方差

假如訓練集錯誤率15%，而驗證集錯誤率16%，二者效果都不是很好，可能是欠擬合，——>高偏差

假如訓練集錯誤率15%，效果不好，而驗證集錯誤率30%，情況更糟糕，可能是欠擬合，而且訓練集和驗證集錯誤率相差太多，則在訓練集上過擬合——>高偏差，高方差

假如訓練集錯誤率0.5%，驗證集錯誤率1%，表現較好——>低方差，低偏差

關於偏差和方差的概念性說明：偏差（Bias）與方差（Variance） - 知乎 (zhihu.com)