【机器学习】模型评估与选择（留出法、交叉验证法、查全率、查准率、误差、方差）

其余机器学习系列文章见于专题：机器学习进阶之路——学习笔记整理，欢迎你们关注。html 1. 过拟合   过拟合是指学习模型对训练样本预测得很好，但对新样本预测不好的现象。这一般是因为学习模型能力过于强大，以致于把训练样本自身的一些特色当作了通常性质。web   过拟合是没法完全避免的，只能缓解。模型选择就是要旨在避免过拟合并提升模型的预测能力。算法 2. 评估方法   一般用测试偏差来近似模型的

>>阅读原文<<