機器學習模型評估與選擇(1)

一些定義： 錯誤率：分類錯誤的樣本數佔樣本總數的比例 精度：精度=1-錯誤率 誤差：學習器實際預測輸出與樣本的真實輸出之間的差異 訓練誤差或經驗誤差：學習器在訓練集上的誤差 泛化誤差：學習器在新樣本上的誤差 我們實際希望的是能在新樣本上表現很好的學習器，但是常常會出現在訓練集上表現很好但是在新樣本上表現不好，這種現象叫做過擬合，這時學習器很可能已經把訓練樣本自身的一些特點當作所有潛在樣本都具有的一

>>阅读原文<<