第二章 模型估計和選擇（周志華 西瓜書）

這裏寫自定義目錄標題 經驗誤差與過擬合 訓練誤差與泛化誤差 劃分數據集的方法 留出法 交叉驗證法 自助法 bootstrapping 經驗誤差與過擬合 訓練誤差與泛化誤差 訓練誤差：學習器在訓練集上的誤差。 泛化誤差：學習器在新樣本上的誤差。 （泛化越強說明學習器在新樣本的適應能力越強） 一般泛化誤差我們很難去處理，所以一般做法是將數據集分成訓練集和測試集，以測試集來測試學習器對新樣本的判別能力，

>>阅读原文<<