机器学习模型评估与选择(1)

一些定义： 错误率：分类错误的样本数占样本总数的比例 精度：精度=1-错误率 误差：学习器实际预测输出与样本的真实输出之间的差异 训练误差或经验误差：学习器在训练集上的误差 泛化误差：学习器在新样本上的误差 我们实际希望的是能在新样本上表现很好的学习器，但是常常会出现在训练集上表现很好但是在新样本上表现不好，这种现象叫做过拟合，这时学习器很可能已经把训练样本自身的一些特点当作所有潜在样本都具有的一

>>阅读原文<<