摘要： 引言 在构建机器学习模型时，通常需要先采集数据，然后将数据分为训练集、验证集、测试集。训练集用于训练模型，验证集（如果数据量比较少可以采用交叉验证的方式）用于调整超参数，测试集则用于最后评估模型的性能。通常假设所有的样本都是独立同分布采样的。 经验误差、测试误差、泛化误差定义 经验误差指模型在训练集 阅读全文