【機器學習】（二）模型評估與選擇

誤差與過擬合 誤差 假設m個樣本中有a個樣本分類錯誤 錯誤率（error rate）：分類錯誤的樣本數佔樣本總數的比例，E=a/m 精度（accuracy）：分類正確的樣本數佔樣本總數的比例，1-a/m 精度=1-錯誤率 誤差（error）：學習器的實際預測輸出與樣本的真實輸出之間的差異 學習器在訓練集上的誤差稱爲訓練誤差（training error）/經驗誤差（empirical error）

>>阅读原文<<