Varians å andra sidan refererar till mängden variation i modellens förutsägelser vid olika tillfällen av att träna modellen på samma data.
En modell med hög varians är överanpassad till datan den tränas på och presterar därför dåligt på ny data. Exempelvis kan en beslutsträdmodell med för många noder ha hög varians och därmed anpassa sig för mycket till bruset i datan.
En god modellbalanserar både bias och varians för att göra korrekta generaliseringar och undvika överanpassning.