学前导读：模型评估这一章到底在学什么

很多新人学机器学习时会把注意力全部放在模型本身，但真正让项目稳定落地的，往往是评估。

这一章解决的是：

模型到底好不好，应该怎么看；分数不好时，应该怎么判断问题在哪。

这一章四节之间的关系

• 指标：先知道看什么分数
• 交叉验证：再知道怎么更稳地估计分数
• 偏差方差：再知道模型为什么会欠拟合或过拟合
• 超参数调优：最后再知道怎么系统地改

新人这一章最该带走什么

• 不会再只盯着准确率一个指标
• 知道为什么训练分高、测试分低不代表模型强
• 知道调参前应先确认评估方法是不是对的