是的，它们的意思是一样的。

这个免费章节涵盖了估计量的偏差和方差：http: //www.deeplearningbook.org/contents/ml.html

请参阅第 5.4 节，其中很好地解释了它们是什么。

不，他们没有。但它们很相似。

在 ML 中，学习偏差是模型为拟合数据集而做出的一组错误假设。这可以被认为是模型与训练数据集拟合程度的衡量标准。

另一方面，常规统计偏差在数学上定义为估计量的绝对误差的平均值。如果这个数字为零，则估计量（或模型）是无价的，如果它是正的，那么估计量是正偏的，这意味着平均而言，估计（或预测）将始终高于真实值。

它们是不同的，因为模型可能有学习偏差（它不能完美地拟合数据集）但它是无偏差的（平均绝对误差等于零，或非常接近于零）。

有关更详细的解释，请阅读本文：http ://www.cems.uwe.ac.uk/~irjohnso/coursenotes/uqc832/tr-bias.pdf