机器学习笔记(PART II)模型的评估和选择(I)

经验误差和过拟合 错误率： 分类错误的样本数占样本总数的比例 如果在 m 个样本中有 a 个样本分类错误则错误率 E=a/m ; 精度： 精度=1-错误率 acc=1−a/m 训练误差（经验误差）： 学习器在训练集上的误差 泛化误差 学习区在新样本上的误差 过拟合（过配） 学习能力过于强大，以至于把一些不是太一般的特性都学到了 欠拟合（欠配） 学习能力低下 评估方法 基本思想 使用测试误差来近似泛

>>阅读原文<<