泛化能力(generalization ablity):一個機器學習算法對於沒有見過的樣本資料也有很好的辨識能力。
過擬合(overfitting):機器在訓練表現很好，但在實際應用上或新資料表現差。
欠擬合(Underfitting):機器在訓練表現不好，且在實際應用上或新資料表現差。
我們通過資料及撰寫的演算法讓機器已經知道基本知識後，算法通過自己的學習，推廣至更多對於相識資料的識別能力，如果機器在不斷的測試中都能夠辨識正確，那麼我們認為機器已經總結這資料的共同特徵與相識處，但如果機器只能辨識我們給定的資料，而沒辦法識別其他的資料，那麼我們認為機器只是死背，並沒有學習以致用的能力，泛化能力非常的低，同時我們也把這種現象過叫做過擬合。
iThome鐵人賽
看影片追技術
看更多
