機器學習基本概念(2)--模型評估與選擇

模型評估與選擇 經驗誤差和過擬合 誤差：模型的實際預測輸出與贗本的真實輸出之間的差異稱爲誤差；                   練誤差：模型在訓練集上的誤差；                   化誤差：模型在新樣本上的誤差；   過擬合：爲了在樣本上表現更好，我們希望在訓練樣本中儘可能學習出適用於所有潛在樣本的「普遍規律」，然而這會把訓練樣本的自身的特點當做了所有潛在樣本都存在的一般性質。

>>阅读原文<<