機器學習-學習筆記 模型評估與選擇

經驗誤差與過擬合 瞭解錯誤率 ，精度 ，誤差 ，訓練誤差（經驗誤差） ，泛化誤差的概念 過擬合(過配)和欠擬合(欠配) 過擬合就是過度擬合，即將樣本自身的一些特點當做了樣本的一般特性， 使得泛化能力降低，注意，過擬合無法避免。 欠擬合則與之相反。 模型選擇時，選擇泛化誤差最小的， 但是我們無法直接獲得泛化誤差，而訓練誤差因爲過擬合的存在而不適合作爲判斷標準。 評估方法 留出法 將數據D劃分爲二個互

>>阅读原文<<