机器学习-学习笔记 模型评估与选择

经验误差与过拟合 了解错误率 ，精度 ，误差 ，训练误差（经验误差） ，泛化误差的概念 过拟合(过配)和欠拟合(欠配) 过拟合就是过度拟合，即将样本自身的一些特点当做了样本的一般特性， 使得泛化能力降低，注意，过拟合无法避免。 欠拟合则与之相反。 模型选择时，选择泛化误差最小的， 但是我们无法直接获得泛化误差，而训练误差因为过拟合的存在而不适合作为判断标准。 评估方法 留出法 将数据D划分为二个互

>>阅读原文<<