周志华 机器学习笔记 第二章

名词解释: 训练误差:学习器在训练集上的误差 误差:学习器的实际预测输出与样本的真实输出之间的差异 错误率:把分类错误的样本数占样本总数的比例 泛化误差:在新样本上的误差 过拟合:当学习器把训练样本学得"太好"了的时候,很可能巳经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质,这样就会导致泛化性能下降这种现象在机器学习中称为"过拟合" (overfitting).   误差评估方法:
相关文章
相关标签/搜索