機器學習：模型評估與性能度量總結

1、常見術語說明 過擬合：模型由於學習的「太好」，在訓練集上表現很好（訓練誤差小），而在新樣本上表現很差（泛化誤差大）。 欠擬合：與過擬合相對的概念，模型對訓練集還沒有完全學習好，在訓練集上就表現不好（訓練誤差大）。 誤差：模型預測值與真實值之間的差異。 訓練誤差（經驗誤差）：模型在訓練集上的誤差。 泛化誤差：模型在新樣本上的誤差。 2、模型評估方法 利用訓練樣本（「訓練集」）之外的測試樣本（「測

>>阅读原文<<