リスクを経験するこれは、トレーニング サンプルに対するモデルの予測能力を示します。これは、すべてのトレーニング サンプルに対して損失関数を 1 回計算し、累積して平均することによって取得されます。損失関数は、予想リスク、経験リスク、構造リスクの基礎となります。

損失関数は単一の特定のサンプルに対するもので、モデルの予測値と真の値の差を表します。

実際のアプリケーションでは、通常、経験的リスクの最小化が追求されます。経験的リスクは、トレーニング セット内のすべてのサンプル ポイントの損失関数の平均最小化です。これが小さいほど、モデルはトレーニング セットに適合します。

参考文献

【1】機械学習 –> 期待リスク、経験リスク、構造リスクの関係