机器学习之模型选择和评估

机器学习的主要挑战在于在未见过的数据输入上表现良好，这个能力称为泛化能力（generalization）。 首先我们要了解俩个词过拟合和欠拟合 过拟合和欠拟合 过拟合： 过拟合是指为了得到一致假设而使假设变得过度严格。就是说训练过度使泛化能力下降。 欠拟合： 模型拟合程度不高，数据距离拟合曲线较远，或指模型没有很好地捕捉到数据特征，不能够很好地拟合数据。也就是说未能学好训练样本的普遍规律。 过拟合

>>阅读原文<<