机器学习笔记（二）——模型评估与选择

1、经验偏差与过拟合         经验偏差：通常地，咱们吧学习器的实际预测输出与样本的真实输出之间的差别称为“偏差”，学习器在训练集上的偏差称为“训练偏差”或“经验偏差”，在新样本上的偏差称为“泛化偏差”。算法         过拟合：当学习器把训练样本学得“太好”了的时候，极可能已经把训练样本自身的一些特色看成了全部潜在样本都会具备的通常性质，这样就会致使泛化性能降低。这种称为“过拟合”，反

>>阅读原文<<