【機器學習】模型評估與選擇（留出法、交叉驗證法、查全率、查準率、誤差、方差）

其餘機器學習系列文章見於專題：機器學習進階之路——學習筆記整理，歡迎你們關注。html 1. 過擬合   過擬合是指學習模型對訓練樣本預測得很好，但對新樣本預測不好的現象。這一般是因爲學習模型能力過於強大，以致於把訓練樣本自身的一些特色當作了通常性質。web   過擬合是沒法完全避免的，只能緩解。模型選擇就是要旨在避免過擬合併提升模型的預測能力。算法 2. 評估方法   一般用測試偏差來近似模型的

>>阅读原文<<