機器學習筆記（二）——模型評估與選擇

一、經驗誤差與過擬合         經驗誤差：一般地，我們吧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」，學習器在訓練集上的誤差稱爲「訓練誤差」或「經驗誤差」，在新樣本上的誤差稱爲「泛化誤差」。         過擬合：當學習器把訓練樣本學得「太好」了的時候，很可能已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。這種稱爲「過擬合」，反之稱

>>阅读原文<<