暑期机器学习小组读书报告----模型评估

错误率(error rate) 我们把分类错误的样本占样本总数的比例称为“错误率”；与之对应的是精度(accuracy)，即“精度 = 1 - 错误率”。（隐式地假设了均等代价） 更一般的，我们把学习器的实际预测输出与样本的真实输出之间的差异称为误差(error)。 欠拟合(underfitting)与过拟合(overfitting) 欠拟合意味着学习器对训练样本的一般性质尚未学好，过拟合会导致泛

>>阅读原文<<