周志華 機器學習筆記 第二章

名詞解釋: 訓練誤差:學習器在訓練集上的誤差 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 錯誤率:把分類錯誤的樣本數佔樣本總數的比例 泛化誤差:在新樣本上的誤差 過擬合:當學習器把訓練樣本學得"太好"了的時候,很可能巳經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,這樣就會導致泛化性能下降這種現象在機器學習中稱爲"過擬合" (overfitting).   誤差評估方法:
相關文章
相關標籤/搜索