機器學習導論——模型選擇-泛化性能體現

一、泛化的定義 模型具有好的泛化能力指的是模型不但在訓練數據集上表現的效果很好，對於新數據的適應能力也有很好的效果 二、泛化能力的表現：過擬合和欠擬合 （一）過擬合overfitting：模型在訓練數據上表現良好，在未知數據或測試集上表現差 （二）欠擬合underfitting：在訓練數據和未知數據上表現都很差 三、模型的選擇——奧卡姆剃刀原則 給定兩個具有相同泛化誤差的模型，較簡單的模型比較複雜

>>阅读原文<<