机器学习:模型评估与选择

1.1 经验误差和过拟合 错误率 = 分类错误样本数占全部样本总数的比例 例如：在m个样本中有a个样本分类错误，则错误率 E = a/m 精度 = 1 - 错误率 即为 1 - a/m 学习器的实际预测输出与样本的真实输出之间的差异称为误差(error) 学习器在训练集上的误差称为训练误差 (training error)或经验误差(empirical error), 学习器在新样本的误差称为泛化

>>阅读原文<<