模型评估与选择

模型评估与选择 2.1 经验误差与过拟合 把分类错误的样本数占样本总数的比例称为 “错误率” 精度 = 1-错误率 实际预测输出与样本的真实输出之间的差异称为 “误差” 训练集上的误差称为**“训练误差”** 新样本上的误差称为**“泛化误差”** 我们希望得到泛化误差小的学习器，然而，我们实际能做的是努力使经验误差最小化，但这种经验误差很小的学习器在大多数情况下都不好。 当学习器把训练样本学得“

>>阅读原文<<