机器学习（2） -- 模型评估与选择

2.1 经验误差与过拟合 错误率：分类错误的样本数占总样本数的比例 精度 = 1 - 错误率   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”  学习器在训练集上的误差称为“训练误差”或“经验误差”  在新样本上的误差称为“泛化误差”   当学习器把训练样本学得太好的时候，很可能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，会导致泛化性能下降，即过拟合，欠拟合指对训练数

>>阅读原文<<