筆記(總結)-從過擬合與欠擬合到偏差-方差分解

在用機器學習模型解決實際問題時，時刻離不開「擬合」（fitting）一詞，擬合可以看做挖掘樣本集與對應標籤的規律。模型的預測值和樣本的真實標籤之間的差異稱爲「誤差」（error），在實際問題中，我們通常在訓練集上訓練模型，由此產生「訓練誤差」（training error），然後將模型運用於測試集上，由此產生「泛化誤差」（generalization error）。我們希望得到一個泛化誤差小的模型

>>阅读原文<<