误差、过拟合、正则化、交叉验证、泛化能力详解

1.训练误差与测试误差 机器学习的目的就是使学习得到的模型不仅对训练数据有好的表现能力，同时也要对未知数据具有很好的预测能力，因此给定损失函数的情况下，我们可以得到模型的训练误差（训练集）和测试误差（测试集），根据模型的训练误差和测试误差，我们可以评价学习得到的模型的好坏。 同时需要注意的是，统计学习方法具体采用的损失函数未必是评估时使用的损失函数，两者相同的情况下是比较理想的。 假设我们最终学习

>>阅读原文<<