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