機器學習（2） -- 模型評估與選擇

2.1 經驗誤差與過擬合 錯誤率：分類錯誤的樣本數佔總樣本數的比例 精度 = 1 - 錯誤率   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」  學習器在訓練集上的誤差稱爲「訓練誤差」或「經驗誤差」  在新樣本上的誤差稱爲「泛化誤差」   當學習器把訓練樣本學得太好的時候，很可能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，會導致泛化性能下降，即過擬合，欠擬合指對訓練數

>>阅读原文<<