机器学习入门学习笔记（一）模型的评估和选择

一、一些基本概念 错误率(error rate)：分类错误的样本数占样本总数的比例。在m个样本中有a个样本分类错误，则错误率E=a/m。 精度(accuracy) = 1 - 错误率 = 1-a/m。 训练误差(training error)或经验误差(empirical error)：学习器的实际预测输出与样本的真实输出之间的差异。 泛化误差(generalization error)：在新样本

>>阅读原文<<