第一章 模型评估与选择

经验误差与过拟合 基本术语 精度： m m 个样品有 a a 个分类错误，错误率 E=a/m E = a / m ,精度等于 1−a/m 1 − a / m 训练误差：学习器在训练集上的误差 泛化误差：学习器在新样品上的误差 过拟合：把训练样本自身的一些特点当做了所有潜在样本都具有的一般性质，导致泛化能力下降 欠拟合：对训练样本的一般性质尚未学好。 模型评估中，理想的方法是根据泛化误差来选择模型，

>>阅读原文<<