非常適合機器學習

Question

我正在網上閱讀一篇文章。 它描述了 ML Model 的過擬合和欠擬合。 我正在寫這篇文章的節，我不明白它的意思。請幫助我理解“ Perform ML Algo overtime ”的意思

為了理解這個目標，我們可以觀察機器學習算法在學習訓練數據時的性能。 我們可以 plot 訓練數據的技能和我們在訓練過程中阻止的測試數據集的技能。 隨着時間的推移，隨着算法的學習，訓練數據上 model 的誤差會下降，測試數據集上的誤差也會下降。 如果我們訓練的時間過長，訓練數據集的性能可能會繼續下降，因為 model 過度擬合並且學習了訓練數據集中不相關的細節和噪聲。 同時，隨着模型泛化能力的下降，測試集的誤差又開始上升

Answer 1

這是關於偏差和方差的權衡。

我們可以 plot 這兩個技能都在訓練數據上

作者不應該使用“技能”，而是使用性能，這是由於不同復雜度的損失 function 或只是跨時代的訓練錯誤與測試錯誤的錯誤。

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