机器学习之专业术语

经验误差和过拟合

 

错误率（error rate）：分类错误的样本数占总样本的比例

“精度”（accuracy）：就是1-错误率。。。（为嘛不翻译成正确率）

误差（error ）：实际预测输出和样本真实输出之间的差异

训练误差/经验误差（training error）：学习器在训练集上的误差

泛化误差（generalization error）：在新样本上的误差（就是实际测试的）

过拟合（overfitting）：在训练时把训练误差弄到了最小，某种程度上在真实规律的基础上把训练样本一些自身的“特点”也融入了进来，会导致泛化能力降低（也就是说训练样本结果很好，测试结果不一定好）。

欠拟合（underfitting）：和过拟合相反，对训练样本的一般性质没学好