ErfahrungsrisikoDie Vorhersagefähigkeit des Modells für Trainingsbeispiele wird dadurch demonstriert, dass die Verlustfunktion einmal für alle Trainingsbeispiele berechnet und dann der Durchschnitt akkumuliert wird, wobei die Verlustfunktion die Grundlage für das erwartete Risiko, das empirische Risiko und das strukturelle Risiko bildet.
Die Verlustfunktion gilt für eine einzelne spezifische Stichprobe und stellt die Lücke zwischen dem vom Modell vorhergesagten Wert und dem wahren Wert dar.
In der Praxis wird meist eine empirische Risikominimierung angestrebt. Das empirische Risiko ist die durchschnittliche Minimierung der Verlustfunktion aller Stichprobenpunkte im Trainingssatz. Je geringer das empirische Risiko ist, desto besser passt das Modell zum Trainingsset.
Verweise
【1】Maschinelles Lernen–> Die Beziehung zwischen erwartetem Risiko, empirischem Risiko und strukturellem Risiko