1，一些概念
错误率：分类错误的样本数占总数的比例
精度：1-错误率
误差：学习器的实际预测输出和样本的真实输出
训练误差（经验误差）：在训练集上的误差
泛化误差：在新样本上的误差
过拟合：学习器把训练样本学得“太好”，把样本本身的一些特点当做了潜在样本所具有的一般性质，导致泛化性能下降
欠拟合：训练样本的一般性质尚未学好
2，性能度量
回归任务：均方误差（MSE）
分类任务：
a，错误率与精度
b，查准率和查全率
等
