人工智能基础 | 机器学习模型评估与选择（二）
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AKaW7zbS-1667398996145)(https://-pic-1301850093.cos.ap-guangzhou.myqcloud.com/-pic/公众号横幅-1.png)]
前言
以下内容是在学习过程中的一些笔记，难免会有错误和纰漏的地方。如果造成任何困扰，很抱歉。
对于模型的评估与选择过程中，通常我们会根据样本的错误率与输出误差判断模型的好坏，以做出决策，首先我们从相应的名词解释看背后的问题：
-
样本错误率E = 分类错误的样本数a / 样本总数m = E=a/m 样本精度 = 1 - 分类错误的样本数 / 样本总数 误差：学习器实际输出与样本的真实输出之间的差异
但是实际上，我们并不需要完全100%正确的模型，一个非常优秀的模型它的错误率一定是无限接近100%但是又不会成为100%，这一现象可以叫过拟合，与之相反的叫做欠拟合，在西瓜书中有一页图中非常形象。
[外链图片转存失败,源站可能有防盗链机制,建议
上一篇：
通过多线程提高代码的执行效率例子
下一篇：
Java内存模型和Java内存结构精读