《機器學習》 -- 周志華 （第二章學習筆記）
模型評估與選擇 經驗誤差與過擬合 誤差 一般的把機器學習器在訓練集上的誤差成爲訓練誤差或者經驗誤差 在新樣本上的誤差稱爲泛化誤差 過擬合 已經把訓練樣本自身的一些特點當做了所有潛在樣本都會具有的一般性質，這樣就會導致泛化性能下降，這樣的現象叫做過擬合，與之相對的是「欠擬合」 泛化誤差 vs 經驗誤差 泛化誤差 ： 在 「未來」樣本上的誤差 經驗誤差：在訓練集上的誤差，亦稱「訓練誤差」 泛化誤差越小
相關文章
- 1. 周志華機器學習第二章讀書筆記（二）
- 2. 《機器學習》--周志華 （第五章學習筆記）
- 3. 《機器學習》--周志華 （第三章學習筆記）
- 4. 《機器學習》--周志華 （第六章學習筆記）
- 5. 《機器學習》--周志華 （第十章學習筆記）
- 6. 《機器學習》-- 周志華 （第一章學習筆記）
- 7. 周志華機器學習讀書筆記第二章（一）
- 8. 周志華 機器學習筆記 第二章
- 9. 周志華機器學習筆記（一）
- 10. 《周志華機器學習》筆記
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Kotlin學習（二）基本類型
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
