经验误差和过拟合

错误率（error rate)分类错误的样本数占样本总数的比例 准确率=1 - 错误率 误差学习器的实际预测输出与样本的真实输出之间的差异 在训练集上的误差叫训练误差或经验误差；在新样本上的误差称为泛化误差。 过拟合：训练误差很小，泛化误差大 欠拟合：训练误差很大 欠拟合容易克服，但过拟合是机器学习面临的关键障碍，是无法避免的。 的关键障碍，是无法避免的。

>>阅读原文<<