机器学习读书笔记-1（模型评估与选择）

1、基础关键词 错误率：分类错误的样本数占样本总数的比例。 精度：1 - 错误率 误差：模型的实际预测输出与样本的真实输出之间的差异。 训练误差、经验误差：模型在训练集上的误差。 泛化误差：模型在新的样本数据上的误差。 过拟合：模型在训练集上的效果逐渐上升，而在测试集上的效果逐渐下降，这种现象在机器学习中称为过拟合。过拟合是由多种因素导致的，其中最常见的情况是由于学习能力过于强大，以致于学习到了训

>>阅读原文<<