《机器学习》第二章模型评估与选择 总结

基本概念 误差（error）：学习器的实际预测输出与样本的真实输出之间的差异 训练误差（training error）/ 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 过拟合（过配）：学习器把训练样本自身的一些特点当作了所有潜在样本都具有的一般性质，这导致了泛化性能的下降。过拟合相对较难处理且无法避

>>阅读原文<<