AI学习笔记（6）——模型评估的几种方法

训练误差(training error)或经验误差(empirical error)：学习器在训练集上的误差。 泛化误差(generalization error)：学习器在新样本上的误差。 因为我们不可能真的获取到整个数据集，而且如果我们能对整个数据集进行学习，也就不需要机器学习算法了，机器学习的目的，就在于用有限的数据训练机器，然后用学得的模型去解决未知的同类问题。 所以如何在训练模型的时候判

>>阅读原文<<