トレーニングエラーこれはデータ トレーニング中に発生する誤差であり、トレーニング データ上のモデルの平均損失とみなすことができます。

トレーニングエラーと他のエラーの違い

• トレーニングエラー: トレーニングセット上のモデルのエラー
• 検証エラー: 検証セット上のモデルのエラー
• テストエラー: テストセット上のモデルのエラー
• 一般化誤差: モデルの一般化可能性を測定します。
• これらをまとめると、トレーニング誤差 < 検証誤差 < テスト誤差 ≒ 汎化誤差 という関係になります。

トレーニングエラーの役割

• トレーニング セット: モデルを適合させ、トレーニング エラーのサイズを比較することによってモデル パラメーターを取得するために使用されます。
• 最小トレーニング誤差: 特定のモデルを見つけて、関連するパラメーターを適合させるために使用されます。
• テスト セット: モデルの評価に使用され、テスト セットに対するモデルの偏差と分散を計算することで、テスト誤差を最小限に抑えることができます。
• 概要: トレーニング誤差についてはバイアスと分散は考慮されず、トレーニング誤差を最小限に抑えるだけです。

関連語: 検証エラー、テストエラー、汎化エラー