机器学习-模型评估

模型评估与选择 一.误差与过拟合 分类器分类错误的样本数占样本总数的比例为错误率(errorate)，E=m/n(m为分类错误的总样本数，n为总样本数），分类的精度(accuracy) P=(1-E)x100% 学习器实际预测值和样本真实值之间的差异为“误差” 训练误差/经验误差：学习器在训练数据上的误差 泛华误差：学习器在新样本上的误差 我们希望得到的是泛化误差尽可能小的学习器，在通过训练数据训

>>阅读原文<<