周志华 机器学习 Day2

模型评估与选择 经验误差与过拟合 通常，分类错误的样本数占样本总数的比例称为“错误率”，即是m个样本中a个样本分类错误，错误率为E=a/m；同时，1-E称为“精度”；学习器的真实输出与预测输出的差异称为“误差”，误差常分为“训练误差”（训练集）和“泛化误差”（新样本）。 当然，机器学习时对于样本学习得过好或者过坏，都将导致“过拟合”或是“欠拟合”现象。 对于上述的想象，欠拟合解决的方法是：（1）在

>>阅读原文<<