機器學習模型評估與模型選擇方法

1. ML Notes 1.1. 模型評估與模型選擇 過擬合與欠擬合 評估方法 調參與最終模型 性能度量 比較檢驗 偏差與方差 1. ML Notes 1.1. 模型評估與模型選擇 錯誤率： 分類錯誤的樣本數佔總樣本數的比例。 精度： 1- 錯誤率 訓練誤差/經驗誤差：學習器在訓練集上的誤差 泛化誤差：學習器在新樣本上的誤差 過擬合與欠擬合 過擬合： 學習器的目標應該是從訓練樣本中學習到所有樣本都

>>阅读原文<<