第二章:模型评估与选择
过拟合:经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质,这样就会导致泛化性能下降这种现象在机器学习中称为"过拟合" (overfitting).
欠拟合:与"过拟合"相对的是"欠拟合" (underfitting) ,这是指对训练样本的一般性质尚未学好.
评估方法
通过实验测试来 学习器的泛化误差进行评估并进而做出在现实任务中往往还会 为此, 需使用一个 “测试集 (testing set) 测试学习器对新样本的判别 考虑时间开信销、可解释性等方面的因 力,然后 测试 上的"测试误差” (testing error) 作为泛化误差的近似。
1.留出法
2.交叉验证法
3.自助法