机器学习_周志华版_读书笔记_02 模型评估与选择

第二章 模型评估与选择 一、经验误差与过拟合 1、训练误差与泛化误差          误差：学习器的实际预测输出与样本的真实输出之间的差异。    训练误差：学习器在训练集上的误差。也称经验误差。    泛化误差：在新样本上的误差。    显然，我们希望得到泛化误差小的学习器.然而，我们事先并不知道新样本是什么样，实际能做的是努力使经验误差最小化。 2、过拟合与欠拟合        当学习器把训

>>阅读原文<<