经验误差与过拟合中的基本概念 错误率=分类错误的样本数/样本总数 精度=1-错误率 误差:实际预测输出与样本真实输出之间的差异 训练误差/经验误差:学习器在训练集上的误差 泛化误差:在新样本上的误差 过拟合(过配):学习能力太强,把训练样本所包含的不太一般的特性都学到了(过拟合是无法避免的) 欠拟合(欠配):学习能力低下(欠拟合问题是较为容易克服的)