第2章（第一節） 模型評估與選擇

經驗誤差與過擬合 通常我們把分類錯誤的樣本數佔樣本總數的比例稱爲「錯誤率」。相應的精度就是用1-錯誤率。而誤差就是學習器的實際預測輸出與樣本的真實輸出之間的差異。「泛化誤差」就是指在新樣本上的誤差。顯然，我們希望得到泛化誤差小的學習器。 我們實際希望的，是在新樣本上能表現得很好的學習器。爲了達到這個目的，應該從訓練樣本中儘可能學出適用於所有潛在樣本的「普遍規律」，這樣才能在遇到新樣本時做出正確的判

>>阅读原文<<