機器學習:模型評估與選擇

1.1 經驗誤差和過擬合 錯誤率 = 分類錯誤樣本數佔全部樣本總數的比例 例如：在m個樣本中有a個樣本分類錯誤，則錯誤率 E = a/m 精度 = 1 - 錯誤率 即爲 1 - a/m 學習器的實際預測輸出與樣本的真實輸出之間的差異稱爲誤差(error) 學習器在訓練集上的誤差稱爲訓練誤差 (training error)或經驗誤差(empirical error), 學習器在新樣本的誤差稱爲泛化

>>阅读原文<<