均方误差的偏方差分解

均方误差期望 = 偏差 + 方差 + 噪音
$\mathrm{E}\left[(y-\hat{f}(x))^{2}\right]= \operatorname{Bias}[\hat{f}(x)]^{2}+ \operatorname{Var}[\hat{f}(x)]+ \sigma^{2}$
偏差显示了，预估模型和“真实”函数 $f(x)$ 之间的数值差别。
$\operatorname{Bias}[\hat{f}(x)]= \mathrm{E}[\hat{f}(x)]-f(x)$
方差显示了预估函数 $\hat{f}(x)$ 值与其均值的分散程度
$\operatorname{Var}[\hat{f}(x)]= \mathrm{E}\left[(\hat{f}(x)-\mathrm{E}[\hat{f}(x)])^{2}\right]$