- bias较大的时候,增加更多的特征输入或者设计一个更为复杂的模型可以防止使模型更好的fit样本
* 如果模型的variance error比较大的时候,可以收集更多的data(实际生活中可能难以实现),或者进行regularization (如果权重过大,可能会使模型变得简单,而使模型的bias error过大)。
注意:如果不要用test data的误差值去选择你的model,这样选出来的model在实际运用中,可能不能达到比较好的结果。可以使用cross validation 或者 N-fold Cross Validation的方式进行验证。