西瓜书读书2
第二章，围绕评估模型展开——
1 .为什么要有评估模型,因为经验误差和过拟合现象之间有一定的矛盾，借助评估模型，选择合适的方法，基于算法，可以将具体问题转化为归纳偏好的问题。在这个过程中训练集数据多少会影响模型的涵盖范围，形成经验误差，可见训练集数据集做的好，经验误差就会降低，输出结果与真实输出之间的误差就会小，也就是所说的泛化度不高，这样就会是过拟合现象。当然，如果训练集都做不好，连基本规律都不能呈现，自然是呈现欠拟合现象。
2. 如何对模型进行评估？需要从训练集中取测试集，且测试集不与训练集重合，看输出结果和预测结果之间的泛化误差，取得测试误差。具体方法需要将样例数据划分为测试集T和训练集S，无论留出法、交叉验证法还是自助法，最终目的都是为了生成最终模型。
3. 性能度量，关于评估指标很好理解——基于需求，多选好瓜，还是选出的瓜中去选好瓜。如果是前者，每次都要选择准确，即度量查准率。如果是后者，就要保证选出的一堆瓜中涵盖了所有的好瓜，即度量查全率。