如果学习算法偏差比较大，并且这些偏差是可避免的，你就可以尝试下面的技术：
扩大模型： （比如增加网络层数或者神经元数量）：这种技术可以让你的模型更好的拟合训练集，所以可以减少偏差。如果这种技术同时增加了方差，那么使用正则化技术可以消除增加的方差。
通过误差分析获得的灵感来修改输入特征：假如你经过误差分析获得灵感：添加额外的特征可以帮助算法消除特定种类的误差。（具体在下一节中讨论。）新的特征可以对偏差和方差均有好处。理论上，增加特征会增加方差；如果是这样的话，使用正则化将会消除增加的方差。
减少或者停止正则化：（L2正则化，L1正则化，dropout）这种方式会减少可避免的偏差，但是增加方差。
-修改模型结构：（比如网络结构）使模型结构更加适合解决相应问题。这种技术会同时影响偏差和方差。
一种没有什么用处的方法：
-增加训练数据：这种技术对方差问题比较有用，但是不太会影响到偏差。