2.2 评估方法
      通常，我们可通过实验测试来对学习器的泛化误差进行评估并进而做出选在现实任务中往往会选择．为此，需使用一个“测试集”（testing set）来测试学习器对新样本的判别能考虑时间开销、存储爿销、可解释性等方面的因素，然后以测试集上的“测试误差”(testing error)作为泛化误差的近似，通常素．这里暂且只考虑泛化我们假设测试样本也是从样本真实分布中独立同分布采样而得．但需注意的误差，是，测试集应该尽可能与训练集互斥，即测试样本尽量不在训练集中出现、未在训练过程中使用过．测试样本为什么要尽可能不出现在训练集中呢？为理解这一点，不妨考虑这样一个场景：老师出了10道习题供同学们练习，考试时老师又用同样的这10道题作为试题，这个考试成绩能否有效反映出同学们学得好不好呢？答案是否定的，可能有的同学只会做这10道题却能得高分．回到我们的问题上来，我们希望得到泛化性能强的模型，好比是希望同学们对课程学得很好、获得了对所学知识“举一反三”的能力；