機器學習之模型選擇和評估

機器學習的主要挑戰在於在未見過的數據輸入上表現良好，這個能力稱爲泛化能力（generalization）。 首先我們要了解倆個詞過擬合和欠擬合 過擬合和欠擬合 過擬合： 過擬合是指爲了得到一致假設而使假設變得過度嚴格。就是說訓練過度使泛化能力下降。 欠擬合： 模型擬合程度不高，數據距離擬合曲線較遠，或指模型沒有很好地捕捉到數據特徵，不能夠很好地擬合數據。也就是說未能學好訓練樣本的普遍規律。 過擬合

>>阅读原文<<