第二章 模型的評估與選擇

2.1 經驗誤差與過擬合 錯誤率與精度 錯誤率E=a/m,a爲分類錯誤的樣本個數，m爲測試樣本總數。 精度=1-錯誤率 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：學習器把訓練樣本學的「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，導致泛化性能下降。無法徹底避免，只能夠減小過擬合的風險。 欠擬合：對訓練

>>阅读原文<<