Expérimenter le risqueLa capacité prédictive du modèle pour les échantillons d'entraînement est démontrée en calculant la fonction de perte une fois pour tous les échantillons d'entraînement, puis en accumulant la moyenne, où la fonction de perte est la base du risque attendu, du risque empirique et du risque structurel.

La fonction de perte concerne un seul échantillon spécifique et représente l'écart entre la valeur prédite du modèle et la valeur réelle.

Dans les applications pratiques, la minimisation empirique des risques est généralement recherchée. Le risque empirique est la minimisation moyenne de la fonction de perte de tous les points d’échantillonnage dans l’ensemble d’apprentissage. Plus le risque empirique est faible, mieux le modèle s’adapte à l’ensemble d’entraînement.

Références

【1】Apprentissage automatique–> La relation entre le risque attendu, le risque empirique et le risque structurel