機器學習學習筆記（二）

緒論 模型評估與選擇 線性模型 決策樹 神經網絡 支持向量機 貝葉斯分類 集成學習 聚類 降維與度量學習 特徵選擇與稀疏學習 計算學習理論 半監督學習 概率圖模型 規則學習 強化學習 模型評估與選擇 2.1經驗誤差與過擬合 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 把學習器的實際預測輸出與樣本的真實輸出之間的差異稱爲「誤差」，學習器在訓練集上的誤差稱爲「訓練誤差」或「經驗誤差」，

>>阅读原文<<