機器學習讀書筆記-1（模型評估與選擇）

1、基礎關鍵詞 錯誤率：分類錯誤的樣本數佔樣本總數的比例。 精度：1 - 錯誤率 誤差：模型的實際預測輸出與樣本的真實輸出之間的差異。 訓練誤差、經驗誤差：模型在訓練集上的誤差。 泛化誤差：模型在新的樣本數據上的誤差。 過擬合：模型在訓練集上的效果逐漸上升，而在測試集上的效果逐漸下降，這種現象在機器學習中稱爲過擬合。過擬合是由多種因素導致的，其中最常見的情況是由於學習能力過於強大，以致於學習到了訓

>>阅读原文<<