第二章 模型估计和选择（周志华 西瓜书）

这里写自定义目录标题 经验误差与过拟合 训练误差与泛化误差 划分数据集的方法 留出法 交叉验证法 自助法 bootstrapping 经验误差与过拟合 训练误差与泛化误差 训练误差：学习器在训练集上的误差。 泛化误差：学习器在新样本上的误差。 （泛化越强说明学习器在新样本的适应能力越强） 一般泛化误差我们很难去处理，所以一般做法是将数据集分成训练集和测试集，以测试集来测试学习器对新样本的判别能力，

>>阅读原文<<