笔记(总结)-从过拟合与欠拟合到偏差-方差分解

在用机器学习模型解决实际问题时，时刻离不开“拟合”（fitting）一词，拟合可以看做挖掘样本集与对应标签的规律。模型的预测值和样本的真实标签之间的差异称为“误差”（error），在实际问题中，我们通常在训练集上训练模型，由此产生“训练误差”（training error），然后将模型运用于测试集上，由此产生“泛化误差”（generalization error）。我们希望得到一个泛化误差小的模型

>>阅读原文<<