機器學習基礎知識

機器學習基礎知識 1、 誤差 學習器實際預測輸出與樣本的真實輸出之間的差異稱爲「誤差」 有經驗誤差（也成訓練誤差）和泛化誤差。 我們實際需要的是泛化誤差較小的學習器。 2、 過擬合與欠擬合 過擬合：學習能力太過強大，把訓練樣本中的特殊特性當作一般特性導致泛化性能下降。 欠擬合：學習能力低下，不能很好的預測輸出。 3、 評估方法 測試集於訓練集選取儘可能互斥。 如何選取訓練集與測試集，有如下幾種方法

>>阅读原文<<