1.图形化
偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据，如下图第二行所示。
方差：描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散，如下图右列所示。
2.公式
以回归任务为例，学习算法的期望预测为：
这里的期望预测也就是针对不同数据集D，模型f对样本x的预测值取其期望，也叫做平均预测（average predicted）。
（1）方差定义：
使用样本数相同的不同训练集产生的方差为：
方差的含义：方差度量了同样大小的训练集的变动所导致的学习性能的变化，即刻画了数据扰动所造成的影响。
（2）偏差定义：
期望输出与真实标记的差别称为偏差（bias），即：
偏差的含义：偏差度量了学习算法的期望预测与真实结果的偏离程度，即刻画了学习算法本身的拟合能力。
参考：https://www.zhihu.com/question/20448464/answer/20039077
https://zhuanlan.zhihu.com/p/38853908