機器學習_周志華版_讀書筆記_02 模型評估與選擇

第二章 模型評估與選擇 一、經驗誤差與過擬合 1、訓練誤差與泛化誤差          誤差：學習器的實際預測輸出與樣本的真實輸出之間的差異。    訓練誤差：學習器在訓練集上的誤差。也稱經驗誤差。    泛化誤差：在新樣本上的誤差。    顯然，我們希望得到泛化誤差小的學習器.然而，我們事先並不知道新樣本是什麼樣，實際能做的是努力使經驗誤差最小化。 2、過擬合與欠擬合        當學習器把訓

>>阅读原文<<