机器学习模型评估与模型选择方法

1. ML Notes 1.1. 模型评估与模型选择 过拟合与欠拟合 评估方法 调参与最终模型 性能度量 比较检验 偏差与方差 1. ML Notes 1.1. 模型评估与模型选择 错误率： 分类错误的样本数占总样本数的比例。 精度： 1- 错误率 训练误差/经验误差：学习器在训练集上的误差 泛化误差：学习器在新样本上的误差 过拟合与欠拟合 过拟合： 学习器的目标应该是从训练样本中学习到所有样本都

>>阅读原文<<