机器学习模型的评估与选择

2.1经验误差与过拟合 错误率 = a个样本分类错误/m个样本 精度 = 1 - 错误率 误差：学习器实际预测输出与样本的真是输出之间的差异。 训练误差：即经验误差。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。   过拟合：学习器把训练样本学的”太好”，把不太一般的特性学到了，泛化能力下降，对新样本的判别能力差。必然存在，无法彻底避免，只能够减小过拟合风险。 欠拟合：对训练样本的一

>>阅读原文<<