第一章 模型評估與選擇

經驗誤差與過擬合 基本術語 精度： m m 個樣品有 a a 個分類錯誤，錯誤率 E=a/m E = a / m ,精度等於 1−a/m 1 − a / m 訓練誤差：學習器在訓練集上的誤差 泛化誤差：學習器在新樣品上的誤差 過擬合：把訓練樣本自身的一些特點當做了所有潛在樣本都具有的一般性質，導致泛化能力下降 欠擬合：對訓練樣本的一般性質尚未學好。 模型評估中，理想的方法是根據泛化誤差來選擇模型，

>>阅读原文<<