Warum ist der Trainingsfehler kleiner als der Testfehler?

2024 Autor: Lynn Donovan | [email protected]. Zuletzt bearbeitet: 2023-12-15 23:42

Die Trainingsfehler wird normalerweise sein weniger als das Testfehler weil die gleichen Daten verwendet werden, die zur Anpassung des Modells verwendet werden, um seine Trainingsfehler . Ein Teil der Diskrepanz zwischen den Trainingsfehler und der Testfehler ist weil die Ausbildung einstellen und die Prüfung set haben unterschiedliche Eingabewerte.

Ist der Validierungsfehler folglich immer höher als der Trainingsfehler?

Generell jedoch, Trainingsfehler wird fast immer unterschätze deine Validierungsfehler . Es ist jedoch möglich für die Validierungsfehler weniger sein als die Ausbildung . Sie können es sich auf zwei Arten vorstellen: Ihre Ausbildung set hatte viele "schwere" Fälle zu lernen.

Und warum nehmen Trainingsfehler zu? Allerdings ist die Error auf dem Testset nimmt nur ab, wenn wir die Flexibilität bis zu einem bestimmten Punkt hinzufügen. In diesem Fall tritt das bei 5 Grad auf, da die Flexibilität erhöht sich über diesen Punkt hinaus Trainingsfehler nimmt zu weil das Modell die auswendig gelernt hat Ausbildung Daten und das Rauschen.

In ähnlicher Weise können Sie sich fragen, was Trainingsfehler und Testfehler sind.

Trainingsfehler auftreten, wenn a trainiert Modellrückgaben Fehler nachdem Sie es erneut mit den Daten ausgeführt haben. Es beginnt die Rückgabe der falsch Ergebnisse. Testfehler sind die, die passieren, wenn a trainiert model wird auf einem Dataset ausgeführt, von dem es keine Ahnung hat. Bedeutung, die Ausbildung Daten sind völlig anders als testen Daten.

Warum ist die Validierungsgenauigkeit höher als die Trainingsgenauigkeit?

Die Ausbildung Verlust ist höher weil Sie es dem Netzwerk künstlich erschwert haben, die richtigen Antworten zu geben. Jedoch während Validierung alle Einheiten sind verfügbar, so dass das Netzwerk seine volle Rechenleistung hat - und daher möglicherweise eine bessere Leistung bietet als in Ausbildung.