（四）欠拟合、过拟合和模型选择

1、训练误差和泛化误差 训练误差（training error）： 模型在训练数据集上表现出的误差 泛化误差（generalization error）： 模型在任意一个测试数据样本上表现出的误差的期望 训练数据集学到的模型参数会使模型在训练数据集上的表现优于或等于在测试数据集上的表现。给定测试数据集，我们通常用机器学习模型在该测试数据集上的误差来反映泛化误差。但无法从训练误差估计泛化误差，降低训

>>阅读原文<<