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:

【1】Machine Learning Strategie (2) – Fehlerrate