誤差、過擬合、正則化、交叉驗證、泛化能力詳解

1.訓練誤差與測試誤差 機器學習的目的就是使學習得到的模型不僅對訓練數據有好的表現能力，同時也要對未知數據具有很好的預測能力，因此給定損失函數的情況下，我們可以得到模型的訓練誤差（訓練集）和測試誤差（測試集），根據模型的訓練誤差和測試誤差，我們可以評價學習得到的模型的好壞。 同時需要注意的是，統計學習方法具體採用的損失函數未必是評估時使用的損失函數，兩者相同的情況下是比較理想的。 假設我們最終學習

>>阅读原文<<