摘要： 第2章 模型评估与选择 2.1 经验误差与过拟合 学习器在训练集上的误差称为“训练误差”或“经验误差”，在新样本上的误差称为“泛化误差”；过拟合一般是由于学习能力过于强大，以至于把训练样本所包含的不太一般的特性都学到了，而欠拟合则通常是由学习能力低下而造成的。欠拟合比较容易克服，例如在决策树学习中扩 阅读全文

摘要： 人工智能发展历程： （1）推理期：二十世纪五十年代到七十年代初。 （2）知识期：二十世纪七十年代中期，专家系统。 （3）学习期：二十世纪八十年代以来，被研究最多、应用最广的是“从样例中学习”。 一大主流是符号主义学习，代表包括决策树和基于逻辑的学习；二十世纪九十年代中期之前，“从样例中学习”的另一主 阅读全文