機器學習筆記（二）——模型評估與選擇

1、經驗偏差與過擬合         經驗偏差：通常地，咱們吧學習器的實際預測輸出與樣本的真實輸出之間的差別稱爲「偏差」，學習器在訓練集上的偏差稱爲「訓練偏差」或「經驗偏差」，在新樣本上的偏差稱爲「泛化偏差」。算法         過擬合：當學習器把訓練樣本學得「太好」了的時候，極可能已經把訓練樣本自身的一些特色看成了全部潛在樣本都會具備的通常性質，這樣就會致使泛化性能降低。這種稱爲「過擬合」，反

>>阅读原文<<