如何根据偏差bias和方差variance来调整模型以提高其在验证集上面的表现？

1. 当一个模型出现高偏差的时候，代表模型欠拟合，即模型的拟合能力不够，不足以描述出数据本身的分布情况。此时应该增加模型的复杂度以降低模型的偏差。

2. 当模型出现低偏差高方差时，则说明模型的复杂度已经足以用来描述数据的分布情况了（低偏差），甚至已经“过度描述数据的分布”了（高方差）。此时应该通过某些手段（正则化、剪枝等）来减弱模型在某些方向上的复杂度。

3. 剪枝或者正则化过度，模型又出现高偏差，返回1，再到2，再到3；否则模型低偏差低方差，训练完毕，输出。