机器学习初步

2.1泛化能力

泛化能力强，能够很好的使用于unseen instance，例如，错误率低、精度高

我们希望模型在未见样本上表现好，这一能力通常被称作模型的什么能力？指的是泛化能力

在评价模型性能时，我们更希望它泛化能力强

2.2过拟合和欠拟合

泛化误差：在未来样本上的的误差

经验误差：在训练集上的误差，亦称训练误差

泛化误差越小越好？经验误差是否越小越好？错误。会出现“过拟合”

拿树叶做训练的话

过拟合（误以为树叶必须有锯齿）欠拟合（误以为绿色的都是树叶）

有的情况下，模型学习到了训练数据满足的特有性质，但这些性质不是一般规律，这种现象被称之为过拟合

2.3三大问题

三个关键问题

如何获得测试结果？----评估方法

如何评估性能优劣？----性能度量

如何判断实质差别？----比较检验