知识卡片
泛化重于训练
训练误差衡量模型在训练样本上的表现,泛化误差关注新样本。训练误差低并不保证新样本表现好:模型可能把样本偶然特征当成普遍规律。评价时应使用独立于训练和调参过程的样本估计泛化表现。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第5章 机器学习
原书出处 · 1 处
- 机器学习 · 查看原书依据
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。
参考来源
- 位置:《现代人工智能技术》第5章《机器学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter7.xhtml)
- 结论依据:原文区分训练与泛化误差,并说明过拟合。
- 原始内容: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。