《机器学习》 -- 周志华 （第二章学习笔记）
模型评估与选择 经验误差与过拟合 误差 一般的把机器学习器在训练集上的误差成为训练误差或者经验误差 在新样本上的误差称为泛化误差 过拟合 已经把训练样本自身的一些特点当做了所有潜在样本都会具有的一般性质，这样就会导致泛化性能下降，这样的现象叫做过拟合，与之相对的是“欠拟合” 泛化误差 vs 经验误差 泛化误差 ： 在 “未来”样本上的误差 经验误差：在训练集上的误差，亦称“训练误差” 泛化误差越小
相关文章
- 1. 周志华机器学习第二章读书笔记（二）
- 2. 《机器学习》--周志华 （第五章学习笔记）
- 3. 《机器学习》--周志华 （第三章学习笔记）
- 4. 《机器学习》--周志华 （第六章学习笔记）
- 5. 《机器学习》--周志华 （第十章学习笔记）
- 6. 《机器学习》-- 周志华 （第一章学习笔记）
- 7. 周志华机器学习读书笔记第二章（一）
- 8. 周志华 机器学习笔记 第二章
- 9. 周志华机器学习笔记（一）
- 10. 《周志华机器学习》笔记
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Kotlin学习（二）基本类型
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
