機器學習模型評估及思維導圖

    今日學習對模型的評估與選擇，總結如下： 1.一些重要基本概念。   錯誤率：如果在m個樣本中有a個樣本分類錯誤，則錯誤率E=a/m。   誤差：學習器（即模型）的實際輸出與樣本的真實輸出之間的差異稱爲誤差   經驗誤差與泛化誤差：學習器在訓練集上的誤差稱爲訓練誤差。而在新樣本上的誤差爲泛化誤差。   過擬合與欠擬合：過擬合是機器學習能力過強而將訓練樣本中的一些自身特點當做了所有潛在樣本都有

>>阅读原文<<