Trainingsfehler
TrainingsfehlerEs handelt sich um den Fehler, der beim Datentraining auftritt und als durchschnittlicher Verlust des Modells anhand der Trainingsdaten angesehen werden kann.
Der Unterschied zwischen Trainingsfehlern und anderen Fehlern
- Trainingsfehler: Der Fehler des Modells im Trainingssatz
- Validierungsfehler: Der Fehler des Modells im Validierungssatz
- Testfehler: Der Fehler des Modells im Testsatz
- Generalisierungsfehler: misst die Generalisierung des Modells
- Im Allgemeinen besteht die Beziehung zwischen ihnen darin: Trainingsfehler < Validierungsfehler < Testfehler ≒ Generalisierungsfehler
Die Rolle von Trainingsfehlern
- Trainingssatz: Wird verwendet, um das Modell anzupassen, die Größe des Trainingsfehlers zu vergleichen und die Modellparameter zu erhalten.
- Minimaler Trainingsfehler: wird verwendet, um ein bestimmtes Modell zu finden und zugehörige Parameter anzupassen;
- Testsatz: Wird zur Bewertung des Modells verwendet. Durch Berechnung der Abweichung und Varianz des Modells zum Testsatz kann der Testfehler minimiert werden.
- Zusammenfassung: Beim Trainingsfehler werden Bias und Varianz nicht berücksichtigt, es muss nur der Trainingsfehler minimiert werden.