我這邊要提的是說數據量的不平衡不一定會對MAP判斷造成影響，主要影響是來自資料的代表性(也就是學習時候的資料是否足以代表整個母體)。

我這邊寫bias–variance trade-off這項好像有點不合適，因為一般是再說模型是否overfitting or underfitting(前提是當資料代表性族夠)。

比較少人探討資料特性造成的bias–variance trade-off，這邊可以想像如果我們的資料代表性不足，學習的分布偏向我們收集到的資料，這時候可能在學習分布時候可以學得很好，所以造成bias低，但variance增加。所以才會提到這個論點，但我忽略了一般敘述這件事情都在說的是模型的複雜度，造成你的困擾，不好意思。