機器學習西瓜書—第二章 模型評估與選擇（學習筆記 1）

2.1 經驗誤差與過擬合 分類錯誤的樣本數佔樣本總數的比例稱爲錯誤率（error rate）,即如果在m個樣本中有a個樣本分類錯誤，則錯誤率E=a/m; 1 - a/m稱爲精度（accuracy）,即精度=1-錯誤率。 學習器的實際預測輸出與樣本的真實輸出之間的差異稱爲誤差（error）。 學習器在訓練集上的誤差稱爲訓練誤差（training error）或經驗誤差（empirical error

>>阅读原文<<