模型評估與選擇

模型評估與選擇 2.1 經驗誤差與過擬合 把分類錯誤的樣本數佔樣本總數的比例稱爲 「錯誤率」 精度 = 1-錯誤率 實際預測輸出與樣本的真實輸出之間的差異稱爲 「誤差」 訓練集上的誤差稱爲**「訓練誤差」** 新樣本上的誤差稱爲**「泛化誤差」** 我們希望得到泛化誤差小的學習器，然而，我們實際能做的是努力使經驗誤差最小化，但這種經驗誤差很小的學習器在大多數情況下都不好。 當學習器把訓練樣本學得「

>>阅读原文<<