精度 = 1 - 错误率
    泛化误差
    过拟合overfitting
    欠拟合underfintting
    过拟合无法避免，因为我们相信N ！= NP
    2.2 模型评估
    1、留出法
    2、交叉验证法 k折交叉验证 留一法
    3、自助法 改变了初始数据集的分布，会引入估计偏差
    训练集 验证集 | 测试集
    2.3 性能量度—评价泛化能力
    均方误差
    错误率和精度
    查全率
    查准率
    PR图
    算术平均
    几何平均
    调和平均
    ROC图
    其面积称为AUC图
    代价敏感错误率和代价曲线 ？？
    2.4 比较检验
    2.5偏差和方差
    泛化误差可分解为偏差 方差和噪声之和
    泛化性能与学习算法的能力、数据的充分性和学习任务本身的难度所共同决定
    偏差：刻画学习算法本身的拟合能力
    方差：刻画训练集数据的变动对学习性能的影响
    偏差-方差窘境