《图解机器学习》4.1章节中，交叉验证法中分类问题的泛化误差公式理解

最近在看《图解机器学习》一书，看到下边这一页时，对于其中的分类问题的泛化误差公式，十分困惑。

一般来说，分类问题的输出都是0, 1, 2, ....,n 格式的正整数，如果按照下图这样计算，结果完全无法想象。。

但是以我浅薄的学识想到的关键词在网上搜索并没有找到答案，只好暂时放弃了。。

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

直到我看到了第七章。。。

好吧，作者你赢了。。

使用上边那个公式的前提是，把所有的label都变成1或-1，这时计算损失就可以反应分类问题的泛化误差了。