过拟合：模型过于复杂（参数过多），对于训练数据预测的很好，对测试数据预测的很差。 偏差：训练得到的模型h（x）的期望与真实的模型f(x)的偏离程度。 方差：模型随着训练集的改变而带来的性能变化。 噪音：度量了观察到的标签与真实模型之间的距离。