讨论了：当模型在训练数据集上更准确时，它在测试数据集上却不一定更准确的原因。 3.11.1 训练误差和泛化误差 训练误差（training error）：模型在训练数据集上表现出的误差。 泛化误差（generalization error）：模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。 在机器学习里，我们通常假设训练数据集（训练题）和测试数据集（测试题）里的每一个样本都是从同一个概率分布中相互独立地生成的。 机器学习模型应关注降低泛化误差。 3.11.2