- training error是有偏差的估计（因为- 由于模型是专门为训练数据集定制的，因此它在这些数据上的表现通常比在总体上要好。这就导致了一个问题：仅仅因为模型在训练集上表现出色，并不意味着它在整个数据总体上也会有同样的表现。）而泛化能力是指模型在未知数据上的表现能力。为了更好地估计这种能力，通常需要使用与训练数据不同的测试集来评估模型，这有助于提供一个更公正和无偏的模型性能估计。low training error alone is not enough to certify low generalization error.