机器学习：模型评估与性能度量总结

1、常见术语说明 过拟合：模型由于学习的“太好”，在训练集上表现很好（训练误差小），而在新样本上表现很差（泛化误差大）。 欠拟合：与过拟合相对的概念，模型对训练集还没有完全学习好，在训练集上就表现不好（训练误差大）。 误差：模型预测值与真实值之间的差异。 训练误差（经验误差）：模型在训练集上的误差。 泛化误差：模型在新样本上的误差。 2、模型评估方法 利用训练样本（“训练集”）之外的测试样本（“测

>>阅读原文<<