《機器學習》第二章模型評估與選擇 總結

基本概念 誤差（error）：學習器的實際預測輸出與樣本的真實輸出之間的差異 訓練誤差（training error）/ 經驗誤差（empirical error）：學習器在訓練集上的誤差 泛化誤差（generalization error）：學習器在新樣本上的誤差 過擬合（過配）：學習器把訓練樣本自身的一些特點當作了所有潛在樣本都具有的一般性質，這導致了泛化性能的下降。過擬合相對較難處理且無法避

>>阅读原文<<