經驗誤差和過擬合

錯誤率（error rate)分類錯誤的樣本數佔樣本總數的比例 準確率=1 - 錯誤率 誤差學習器的實際預測輸出與樣本的真實輸出之間的差異 在訓練集上的誤差叫訓練誤差或經驗誤差；在新樣本上的誤差稱爲泛化誤差。 過擬合：訓練誤差很小，泛化誤差大 欠擬合：訓練誤差很大 欠擬合容易克服，但過擬合是機器學習面臨的關鍵障礙，是無法避免的。 的關鍵障礙，是無法避免的。

>>阅读原文<<