错误率=分类错误的样本数/样本总数
精度=1-错误率
误差：实际预测输出与样本真实输出之间的差异
训练误差/经验误差：学习器在训练集上的误差
泛化误差：在新样本上的误差
过拟合（过配）：学习能力太强，把训练样本所包含的不太一般的特性都学到了（过拟合是无法避免的）
欠拟合（欠配）：学习能力低下（欠拟合问题是较为容易克服的）
