一.经验误差与过拟合
1、错误率:
通常把分类错误的样本数占样本总数的比例称为错误率(Error rate)。
例如m个样本中有a个样本分类错误,则错误率E=a/m。相应的1-a/m 称为精度(accuracy),即精度=1-错误率。
2、误差:
1)我们把机器学习在训练集上的误差称为“训练误差”(training error)或“经验误差”(empirical error);
2)而在新样本集的误差称为“泛化误差”(generalization error)。
显然我们要得到泛化误差小的学习器,然而很多情况下,我们并不能实现知道新样本是什么样的,实际能做的就是努力使经验误差最小化。
3、过拟合:
为了得到好的识别效果,我们希望能从训练样本中尽可能的学出适用于所有的样本的“普遍规律”。然而当学习器把训练样本学得“太好”的时候,很有可能把训练样本自身的一些特点当做了潜在新样本的特性,这样就会导致新样本的识别率减低,即泛华误差增大。这种现象称为“过拟合“(overfitting)。