机器学习笔记（二）

一、错误率&误差 错误率: 错分样本的占比：E=a/m；（一共有m个样本，a个样本错误）相应的，1-a/m称为“精度” 误差：样本真实输出与预测输出之间的差异训练(经验)误差：训练集上 测试误差：测试集 泛化误差：除训练集外所有样本 由于事先并不知道新样本的特征，我们只能努力使经验误差最小化； 很多时候虽然能在训练集上做到分类错误率为零，但多数情况下这样的学习器并不好 二、过拟合与欠拟合 过拟合:

>>阅读原文<<