模型评估与选择

经验误差与过拟合 常见概念 误差：学习器的实际预测输出与样本的真实输出之间的差异 经验误差：学习器在训练集上的误差 泛化误差：在新样本上的误差 过拟合：指学习时选择的模型所包含的参数过多，以至于出现这一模型对一直数据预测得很好，但对未知数据预测得很差的现象 欠拟合：指对训练样本的一般性质尚未学好 评估方法 留出法 定义：将数据集 D 划分为两个互斥的集合，其中一个集合作为训练集 S，另一个作为测试

>>阅读原文<<