【Google 机器学习笔记】五、泛化，训练集、测试集与验证集

【Google 机器学习笔记】

五、泛化，训练集、测试集与验证集

本节推荐配合观看Google机器学习教程：泛化；训练集和测试集；验证集。

---

• 泛化【Generalization】：模型依据训练时采用的数据，针对以前未见过的新数据做出正确预测的能力。可以理解为特殊到一般的过程。
• 过拟合【Overfitting】：指创建的模型与训练数据过于匹配，以致于模型无法根据新数据做出正确的预测。如果某个模型尝试紧密拟合训练数据，但却不能很好地泛化到新数据，就会发生过拟合。
• 欠拟合【Underfitting】：指模型没有很好地捕捉到数据特征，不能够很好地拟合数据。
• 测试集【Test set】：数据集的子集，用于在模型经由验证集的初步验证之后测试模型。与训练集和验证集