模型評估與選擇

經驗誤差與過擬合 常見概念 誤差：學習器的實際預測輸出與樣本的真實輸出之間的差異 經驗誤差：學習器在訓練集上的誤差 泛化誤差：在新樣本上的誤差 過擬合：指學習時選擇的模型所包含的參數過多，以至於出現這一模型對一直數據預測得很好，但對未知數據預測得很差的現象 欠擬合：指對訓練樣本的一般性質尚未學好 評估方法 留出法 定義：將數據集 D 劃分爲兩個互斥的集合，其中一個集合作爲訓練集 S，另一個作爲測試

>>阅读原文<<