模型評估與選擇

一、經驗誤差與過擬合 1）錯誤率：分類錯誤的樣本數佔樣本總數的比例 2）精度：精度 = 1 一 錯誤率 3）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 4）訓練誤差/經驗誤差：學習器在訓練集上的誤差 5）泛化誤差：學習器在新樣本上的誤差 6）過擬合：當學習器把訓練樣本學得"太好"了的時候，很可能巳經把訓練樣本自身的一些特點當作了所有潛在樣本都 會具有的一般性質，這樣就會導致泛化性能下降。

>>阅读原文<<