第二次打卡

過擬合、欠擬合及其解決方案 過擬合和欠擬合 欠擬合（underfitting）：模型無法得到較低的訓練誤差。 過擬合（overfitting：模型的訓練誤差遠小於它在測試數據集上的誤差。 訓練誤差與泛化誤差 訓練誤差（training error）：指模型在訓練數據集上表現出的誤差。 泛化誤差（generalization error）：指模型在任意一個測試數據樣本上表現出的誤差的期望，並常常通過

>>阅读原文<<