【机器学习】 机器学习性能度量

【误差】 误差指的是模型输出与真值的偏离程度，通常定义一个损失函数来衡量误差的大小。 在训练集上产生的误差称为经验误差或者训练误差，反应了模型在训练数据上拟合效果的好坏。 模型在未知样本上的误差称为泛化误差，通常将测试误差作为泛化误差的近似值，用于衡量训练好的模型对未知数据的预测能力。 【过拟合与欠拟合】 过拟合：模型在训练样本中表现的过于优越，导致在验证数据集和测试数据集中表现不佳。 欠拟合：模

>>阅读原文<<