错误率（error rate）: 分类错误样本数占样本总数的比例， E=a/m
精度（accuracy）：= 1 - 错误率， 1-a/m
误差：学习器实际预测输入 VS 样本真实输出
训练误差(training error)/经验误差(empirical error）：在训练集上的误差
泛化误差：在新样本上的误差
过拟合（overfitting）VS 欠拟合（underfitting）
过拟合是无法避免的 只能缓解或减小其风险
混淆矩阵（confusion matrix）：
查准率 P: P = TP/(TP+FP) （选出的瓜中 好瓜比例好 有把握才下手 会漏掉一些好瓜)
查全率 R: R = TP(TP+FN) （好瓜尽可能多的选出 选上全部西瓜 查准率低)
二者大部分时是矛盾的
根据学习器的预测结果排序，“最可能” -> “最不可能”，按此顺序逐个把样本作为正例预测，得出P-R图
若曲线被完全“包住”，则性能优 e.g. A性能优于C
若交叉，则难以判断（如A与B）。可以考虑特定点下比较 或比较曲线面积。
平衡点（Break-Even Point) BEP: 查准率 = 查全率 (A is better than B)
F1度量： F1 = 2*P*R/(P+R) = 2*TP/(样例总数+TP-TN)
F_β：F1度量的一般形式，表达对P和R的不同偏好 F_β = (1+β2)*P*R/(β2*P)+R, 其中 β>0
β<1: 查准率影响大；β=1: 与F1相同；β>1: 查全率影响大
宏查准率/宏查全率/宏F1 (macro-XX): 先计算出各混淆矩阵对应的P，R，再平均
微查准率/微查全率/微F1 (micro-XX)：先对混淆矩阵各元素平均，再公式计算P R F1
ROC (Receiver Operating Characteristics) 曲线：纵轴 真正例率 TPR = TP/(TP+FN); 横轴 假正例率 FPR = FP/(TN+FP)
AUC (Area Under ROC Curve): ROC曲线下的面积
非均等代价 (unequal cost)：权衡不同类型错误造成的不同损失
以二分类任务为例，代价矩阵为：
在非均等代价下，ROC曲线不能直接反应出期望的总体代价，需要 代价曲线
横轴为[0,1]的正例概率代价 (p为样例为正的概率)
纵轴为[0,1]的归一化代价
ROC上每一点 计算FNR 绘制(0, FPR) - (1,FNR)的线段 取所有线段的下届 围成的面积即为学习器的期望总体代价
Motivation：希望比较不同学习器的泛化性能
- 测试集性能≠泛化性能
- 测试性能 与 测试集本身 相关性大
- 机器学习算法本身有一定的随机性
So we propose:
统计假设检验：基于假设检验结果，若测试集上 A 优于 B, 则A的泛化性能是否在统计意义上优于B, 及这个结论的把握有多大。
假设：对学习器 泛化错误率（性能）分布的某种判断与猜想
偏差(bias)：期望输出与真实标记的差别 — 学习算法本身的拟合能力
方差：同样大小训练集的变动导致的学习性能变化 — 数据扰动影响
噪声：能达到的期望泛化误差的下届 — 学习问题本身的难度
泛化误差可分解为 偏差、方差与噪声之和
由学习算法的能力、数据的充分性、学习任务本身的难度 共同决定
偏差-方差窘境（bias-variance dilemma):
