泛化和過擬合

泛化能力 泛化能力用來表徵學習模型對於未知數據的預測能力。 很顯然，我們沒有辦法對所有的數據進行預測然後判斷來計算一個模型的模型的泛華能力，所以在實際應用當中，我們一般還是用的測試集中的數據來近似泛化能力。 過擬合 當某個模型過度的學習訓練數據中的細節和噪音，以至於模型在新的數據上表現很差，我們稱過擬合發生了。這意味着訓練數據中的噪音或者隨機波動也被當做概念被模型學習了。而問題就在於這些概念不適用

>>阅读原文<<