周志華 機器學習 Day2

模型評估與選擇 經驗誤差與過擬合 通常，分類錯誤的樣本數佔樣本總數的比例稱爲「錯誤率」，即是m個樣本中a個樣本分類錯誤，錯誤率爲E=a/m；同時，1-E稱爲「精度」；學習器的真實輸出與預測輸出的差異稱爲「誤差」，誤差常分爲「訓練誤差」（訓練集）和「泛化誤差」（新樣本）。 當然，機器學習時對於樣本學習得過好或者過壞，都將導致「過擬合」或是「欠擬合」現象。 對於上述的想象，欠擬合解決的方法是：（1）在

>>阅读原文<<