第二章 模型的评估与选择

2.1 经验误差与过拟合 错误率与精度 错误率E=a/m,a为分类错误的样本个数，m为测试样本总数。 精度=1-错误率 学习器在训练集上的误差称为“训练误差”或“经验误差”，在新样本上的误差称为“泛化误差”。 过拟合：学习器把训练样本学的“太好”了的时候，很可能已经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质，导致泛化性能下降。无法彻底避免，只能够减小过拟合的风险。 欠拟合：对训练

>>阅读原文<<