¿Por qué el error de entrenamiento es menor que el error de prueba?
¿Por qué el error de entrenamiento es menor que el error de prueba?

Video: ¿Por qué el error de entrenamiento es menor que el error de prueba?

Video: ¿Por qué el error de entrenamiento es menor que el error de prueba?
Video: Cálculo del error estándar e intervalo de confianza. Dr. Alejandro Macías. 2024, Noviembre
Anonim

los error de entrenamiento normalmente será menos que los error de prueba porque los mismos datos utilizados para ajustar el modelo se emplean para evaluar su error de entrenamiento . Parte de la discrepancia entre el error de entrenamiento y el error de prueba es porque el capacitación conjunto y el prueba El conjunto tiene diferentes valores de entrada.

En consecuencia, ¿el error de validación es siempre mayor que el error de entrenamiento?

Sin embargo, en general, error de entrenamiento casi siempre subestima su Error de validacion . Sin embargo, es posible Error de validacion ser menos que el entrenamiento . Puedes pensarlo de dos maneras: Tu capacitación set tuvo muchos casos "difíciles" que aprender.

Además, ¿por qué aumenta el error de entrenamiento? sin embargo, el error en el conjunto de pruebas solo disminuye a medida que agregamos flexibilidad hasta cierto punto. En este caso, eso ocurre a 5 grados como la flexibilidad aumenta más allá de este punto, el aumenta el error de entrenamiento porque el modelo ha memorizado el capacitación los datos y el ruido.

De manera similar, puede preguntar, ¿qué es el error de entrenamiento y el error de prueba?

Errores de entrenamiento ocurrir cuando un entrenado devoluciones del modelo errores después de ejecutarlo en los datos nuevamente. Empieza a devolver el incorrecto resultados. Errores de prueba son los que suceden cuando un entrenado El modelo se ejecuta en un conjunto de datos del que no tiene idea. Es decir, el capacitación los datos son completamente diferentes de pruebas datos.

¿Por qué la precisión de la validación es mayor que la del entrenamiento?

los capacitación la pérdida es más alto porque ha hecho que sea artificialmente más difícil para la red dar las respuestas correctas. Sin embargo, durante validación todas las unidades están disponibles, por lo que la red tiene toda su potencia computacional y, por lo tanto, podría funcionar mejor que en capacitación.

Recomendado: