机器学习基本概念(2)--模型评估与选择

模型评估与选择 经验误差和过拟合 误差：模型的实际预测输出与赝本的真实输出之间的差异称为误差；                   练误差：模型在训练集上的误差；                   化误差：模型在新样本上的误差；   过拟合：为了在样本上表现更好，我们希望在训练样本中尽可能学习出适用于所有潜在样本的“普遍规律”，然而这会把训练样本的自身的特点当做了所有潜在样本都存在的一般性质。

>>阅读原文<<