第二章 模型評估與選擇

1、經驗誤差與過擬合 錯誤率(error rate)：分類錯誤的樣本數佔總樣本數的比例。 例如：m個樣本中有a個樣本分類錯誤，錯誤率=a/m，準確度=1-a/m 誤差(error)：預測輸出與樣本真實輸出之間的差異 訓練誤差（trainning error）或經驗誤差（empirical error）：在訓練集上的誤差 泛化誤差（generalization）：在新樣本上的誤差 我們希望得到泛化誤

>>阅读原文<<