《机器学习》（周志华）学习笔记（二）：模型评估与选择

引子：对于一个任务，往往有多种算法可供选择，甚至同一种算法，参数设置不同，对应的模型也不一样，我们需要对模型进行评估与选择。评估依据是模型的泛化误差。 1.泛化误差概念理解 错误率(error rate)与精度(accuracy)：根据模型分类错误的样本占中样本的比例，如m个样本中有a个分类错误，E =a/m。对应的，精度=1-a/m。 以此推广，我们将预测输出与实际真实输出的差异称之为误差（这里

>>阅读原文<<