科学机器学习中提出了一种新的多保真度训练方法，利用不同保真度和成本的数据定义线性回归模型的未知参数的多保真度蒙特卡罗估计器。数值结果验证了理论分析，并表明多保真度学习模型相比于仅具有相似成本的高保真度数据训练的标准模型，具有更低的模型方差和较低期望误差。