方差:方差描述了訓練模型不同叠代階段訓練數據預測值的波動(或離散情況)。從數學的角度，可以理解為對每個預測值與預測平均值之差的平方和進行重新平均。通常在深度學習訓練中，初始階段模型不復雜，方差低；隨著訓練量的增加，模型逐漸擬合訓練數據，復雜度開始變高，方差也會逐漸變高。
[1]，低偏差，低方差:這是訓練的理想模型。此時藍點集合基本落在靶心內，數據離散度小，基本在靶心內；
[2]，低偏差，高方差:這是深度學習面臨的最大問題，過擬合。也就是說，模型過於接近訓練數據，導致其泛化(或概括)能力較差。如果符合測試集，其準確率會急劇下降。
[3]，高偏差，低方差:這往往是訓練的初始階段；
[4]，高偏差，高方差:這是訓練最差的情況，精度差，數據離散性差。