學習目標：經驗風險是你能算的數字，母體風險是你想小的數字。多項式次數 d 拉大時，前者單調下降，後者有最低點——兩條分家的位置由 n、噪聲與模型空間大小一起決定。

散點＝訓練資料；灰虛線＝真值 sin(2πx)；實線＝目前 d 的最小平方擬合

縱軸 log：實線＝訓練 MSE、虛線＝母體風險、水平線＝不可約誤差 σ²、垂直線＝目前的 d

觀察：訓練 MSE 永遠往下，母體風險卻有一個最低點。把 n 拉大，兩條分家的位置往右移（同一個 d 不再過擬合）；把 σ 設成 0，水平參考線掉到 0 而大 d 仍然過擬合——過擬合不需要噪聲，只需要模型空間太大。