机器学习模型评估及思维导图

    今日学习对模型的评估与选择，总结如下： 1.一些重要基本概念。   错误率：如果在m个样本中有a个样本分类错误，则错误率E=a/m。   误差：学习器（即模型）的实际输出与样本的真实输出之间的差异称为误差   经验误差与泛化误差：学习器在训练集上的误差称为训练误差。而在新样本上的误差为泛化误差。   过拟合与欠拟合：过拟合是机器学习能力过强而将训练样本中的一些自身特点当做了所有潜在样本都有

>>阅读原文<<