Miért kisebb a képzési hiba, mint a teszthiba?
Miért kisebb a képzési hiba, mint a teszthiba?

Videó: Miért kisebb a képzési hiba, mint a teszthiba?

Videó: Miért kisebb a képzési hiba, mint a teszthiba?
Videó: Machine Learning with Python! Train, Test, Split for Evaluating Models 2024, Lehet
Anonim

Az edzési hiba általában lesz kevesebb, mint az teszt hiba mert ugyanazokat az adatokat használják fel, mint a modell illesztésére, annak értékelésére edzési hiba . Az eltérés egy része a edzési hiba és a teszt hiba azért van, mert a kiképzés set és a teszt készletnek különböző bemeneti értékei vannak.

Következésképpen az érvényesítési hiba mindig nagyobb, mint a betanítási hiba?

Általánosságban azonban edzési hiba majdnem mindig alábecsüld a te érvényesítési hiba . Azonban lehetséges a érvényesítési hiba hogy kevesebb legyen mint a képzés . Kétféleképpen képzelheti el: A tiéd kiképzés sok „nehéz” esetet kellett megtanulni.

Illetve miért nő az edzési hiba? Azonban a hiba a tesztkészleten csak csökken, ahogy rugalmasságot adunk egy bizonyos pontig. Ebben az esetben ez 5 fokban fordul elő, mint a rugalmasság növeli ezen a ponton túl a az edzési hiba növekszik mert a modell memorizálta a kiképzés adatok és a zaj.

Hasonlóképpen felteheti a kérdést, hogy mi a képzési hiba és a teszthiba?

Képzési hibák akkor fordul elő, amikor a kiképzett modell visszatér hibákat miután újra futtatta az adatokon. Elkezdi visszaadni a rossz eredmények. Teszt hibák azok, amelyek akkor történnek, amikor a kiképzett A modell olyan adatkészleten fut, amelyről fogalma sincs. Vagyis a kiképzés adatok teljesen különböznek tesztelés adat.

Miért nagyobb az érvényesítési pontosság, mint a képzési pontosság?

Az kiképzés veszteség az magasabb mert mesterségesen megnehezítette a hálózat számára a helyes válaszok megadását. Azonban közben érvényesítés az összes egység elérhető, így a hálózat teljes számítási teljesítménnyel rendelkezik - és így jobban teljesíthet mint ban ben kiképzés.

Ajánlott: