訓練誤差和測試（泛化）誤差的區別及其與模型複雜度的關係

1.泛化能力： 機器學習的目標是使學得的模型能夠很好的適用於新的樣本，而不是僅僅在訓練樣本上工作的很好。學得的模型對新樣本（即新鮮數據）的適應能力稱爲泛化能力。 2.誤差：學習到的模型在樣本上的預測結果與樣本的真實結果之間的差 。 訓練誤差：模型在訓練集上的誤差。 泛化誤差（測試誤差）：在新樣本上的誤差。 顯然，我們更希望得到泛化誤差小的模型。 3.欠擬合與過擬合 欠擬合：學得的模型訓練誤差很大的

>>阅读原文<<