非常适合机器学习

Question

我正在网上阅读一篇文章。 它描述了 ML Model 的过拟合和欠拟合。 我正在写这篇文章的节，我不明白它的意思。请帮助我理解“ Perform ML Algo overtime ”的意思

为了理解这个目标，我们可以观察机器学习算法在学习训练数据时的性能。 我们可以 plot 训练数据的技能和我们在训练过程中阻止的测试数据集的技能。 随着时间的推移，随着算法的学习，训练数据上 model 的误差会下降，测试数据集上的误差也会下降。 如果我们训练的时间过长，训练数据集的性能可能会继续下降，因为 model 过度拟合并且学习了训练数据集中不相关的细节和噪声。 同时，随着模型泛化能力的下降，测试集的误差又开始上升

Answer 1

这是关于偏差和方差的权衡。

我们可以 plot 这两个技能都在训练数据上

作者不应该使用“技能”，而是使用性能，这是由于不同复杂度的损失 function 或只是跨时代的训练错误与测试错误的错误。

See here: http://www.frank-dieterle.de/phd/2_8_1.html and https://scikit-learn.org/stable/auto_examples/model_selection/plot_train_error_vs_test_error.html