일반화 오차 한계
일반화 오류의 상한은 일반화 오류에 허용되는 최대값을 말합니다. 이 상한을 초과하면 머신 러닝의 실현 가능성에 영향을 미칩니다.
일반화 오류는 학습 데이터 집합에서 학습 데이터 집합 밖으로 일반화하는 과정에서 발생하는 오류를 말합니다. 일반적으로 학습 세트 외부의 오류가 사용됩니다. 즉, 전체 입력 공간에 대한 예상 오류에서 학습 오류를 뺀 값입니다.
오차의 상한이 매우 일반적이기 때문에 도출 과정에서 여러 번 확대되며 최종적으로 얻은 상한은 매우 느슨합니다. 실제 적용의 중요성은 절대적 가치보다는 상대적 가치에 주로 있습니다.
일반화 오류에 영향을 미치는 두 가지 요인: 데이터 크기와 모델 복잡성. 일반적으로 데이터의 양은 최대한 늘리되, 복잡성은 포괄적으로 고려해야 합니다. 최상의 성과를 얻으려면 둘 사이의 균형을 맞춰야 합니다.