1.資料欠擬合會出現高偏差問題，比如資料的趨勢是二次函式，用一次函式取擬合會出現高的偏差。

2.資料過度的擬合會出現高方差問題，比如用10個數據特徵去擬合9個數據會出現高的方差。

3.怎麼處理高偏差和高方差問題：

高偏差：訓練誤差很大，訓練誤差與測試誤差差距小，隨著樣本資料增多，訓練誤差增大。解決方法：

1.尋找更好的特徵（具有代表性的）

2.用更多的特徵（增大輸入向量的維度）

高方差：訓練誤差小，訓練誤差與測試誤差差距大，可以通過增大樣本集合來減小差距。隨著樣本資料增多，測試誤差會減小。解決方案：

1.增大資料集合（使用更多的資料）

2.減少資料特徵（減小資料維度）

                                                                            圖1

從圖中可以看出當資料出現高方差即過擬合，隨著訓練集合增加，訓練誤差會隨著增加，測試誤差會隨著減小，從圖中可以看出，提供更多的資料可以減少測試誤差與訓練誤差之間的差距。

                                                                      圖2

從圖中2可以看出隨著訓練集合增加，測試誤差會減少，但是減少到某個程度時，測試誤差會持平，訓練誤差會增大。訓練誤差和測試誤差會超過預期的誤差值。

一般採取判斷某函式是高方差還是高偏差，簡單的判斷是看訓練誤差與測試誤差的差距，差距大說明是高方差的，差距小說明是高偏差的。