错误率(error rate)：分类错误的样本数占样本总数的比例称为错误率
精度(accuracy)：精度 = 1 - 错误率

如果在m个样本中有a个样本分类错误，那么错误率 E = a/m，精度 = 1 - E。
更一般地，把学习器的实际预测输出与样本的真实输出之间的差异称为误差(error)。
学习器在训练集上的误差称为 训练误差(training error) 或 经验误差(empirical error)，在新样本上的误差称为 泛化误差(generalization error)。

实际所希望的，是在新样本上能表现得很好的学习器，在这里引入两个重要概念：过拟合与欠拟合。