Fehlerrate
Die Fehlerrate bezeichnet den Anteil der Vorhersagefehler in der Vorhersage. Die Berechnungsformel lautet im Allgemeinen: 1 – Genauigkeit (%)
Das trainierte Modell kann im Allgemeinen verwendet werden, um die Fehlerrate eines Modells in einem Datensatz zu messen, wobei drei Zahlen wichtig sind:
- Bayes-Optimalfehler: Ein idealer, nicht messbarer Grenzwert, der durch die menschliche Fehlerrate bei der Bilderkennung angenähert werden kann.
- Trainingsfehler: Die Fehlerrate des im Trainingssatz verwendeten Modells;
- Dev-Fehler: Die Fehlerrate des im Dev-Set verwendeten Modells.
Strategien zur Reduzierung der Fehlerquote
1) Reduzieren Sie Voreingenommenheit
- Versuchen Sie es mit einem größeren Modell, beispielsweise einem neuronalen Netzwerk mit mehr Schichten, mehr Neuronen usw.
- Verlängern Sie die Trainingszeit;
- Passen Sie den Optimierungsalgorithmus an, indem Sie beispielsweise Momentum, RMS Prop, ADOM usw. ausprobieren.
- Wechseln Sie zu neuronalen Netzwerkmodellen wie CNN und RNN.
2) Varianz reduzieren
- Weitere Daten hinzugefügt;
- Fügen Sie Einschränkungen hinzu, um die angepasste Funktion glatter zu machen.
- Wechseln Sie zu CNN- und RNN-Modellen.
Verweise: