第2章 模型評估與選擇

2.1經驗誤差與過擬合 錯誤率 = a個樣本分類錯誤/m個樣本 精度 = 1 - 錯誤率 誤差：學習器實際預測輸出與樣本的真是輸出之間的差異。 訓練誤差：即經驗誤差。學習器在訓練集上的誤差。 泛化誤差：學習器在新樣本上的誤差。   過擬合：學習器把訓練樣本學的」太好」，把不太一般的特性學到了，泛化能力下降，對新樣本的判別能力差。必然存在，無法徹底避免，只能夠減小過擬合風險。 欠擬合：對訓練樣本的一

>>阅读原文<<