模型评估与选择

一、经验误差与过拟合 1）错误率：分类错误的样本数占样本总数的比例 2）精度：精度 = 1 一 错误率 3）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 4）训练误差/经验误差：学习器在训练集上的误差 5）泛化误差：学习器在新样本上的误差 6）过拟合：当学习器把训练样本学得"太好"了的时候，很可能巳经把训练样本自身的一些特点当作了所有潜在样本都 会具有的一般性质，这样就会导致泛化性能下降。

>>阅读原文<<