Machine learning 如何量化给定训练数据样本的偏差和方差

我有一个使用多项式和径向基函数训练的模型，我将数据分为训练集和测试集，并从训练集中采集大量样本。现在我对下一步感到茫然，我知道偏差是样品的损失最小。我是根据列车数据还是测试数据计算？方差仅仅是测试集上损失的方差吗？

此折衷的主要目标是为决策边界找到适当的复杂性

高复杂性：（可能）记忆过去，但（可能）不能概括未来（高方差问题）

低复杂性：（无法）从过去学到足够的东西，因为决策边界非常简单，而且（可能）也无法做出良好的预测（高偏差问题）

这可以简单地用如下图来表示

---

您似乎对基本统计术语感到困惑。堆栈溢出更关注于编码问题，请看一看。寻找一个关于偏差/方差权衡的好教程，应该有很多。谢谢你的回答，但是我正在寻找一种方法，给偏差一个数字，给方差一个数字，以显示哪些模型对数字是好的，哪些是坏的。