문서 편집 권한이 없습니다. 다음 이유를 확인해주세요: 요청한 명령은 다음 권한을 가진 사용자에게 제한됩니다: 사용자. 문서의 원본을 보거나 복사할 수 있습니다. [[분류: 지도 학습]] == 개요 == Dataset이 주어졌을 때, Train Error는 traning data에 [[Loss Function]]을 적용시킨 결과이다. 쉽게 말하자면, 검증 데이터로 현재까지 도출된 지도 학습 결과의 에러를 추측하는 일이다. 예를 들어서 [[L2 Regression]]을 Loss function으로 선택했을 경우 Tranining Error은 다음과 같이 정의된다. : <math>error_{train}(w)=\frac{1}{N_{train}} \sum^{N_{train}}(t(x_j)-\sum_i w_ih_i(x_j))^2</math> Training set error는 결과 AI에 대한 poor measure으로써 작동한다. 즉 예측된 error를 예측해 낸다. 그러나 traning 에러의 값을 낮추면 낮출수록 overfitting이 일어나게 된다. Overfitting을 피하기 위해서 적절한 정도의 학습을 조절해야 되는데, 이를 위해서 사용되는 에러가 test에러이다. test에러는 traning에러를 예측할 떄 사용된 집합과 별도의 집합을 사용하여 error을 예측하게 된다. 즉 모델의 학습이 완료되었다고 생각되었을떄, 모델의 original error을 예측하기 위해서 사용되는 에러이다. == Traning Error vs Test Error vs True Error == : <math>error_{train}(w)=\frac{1}{N_{train}} \sum^{N_{train}}(t(x_j)-\sum_i w_ih_i(x_j))^2</math> : <math>error_{test}(w)=\frac{1}{N_{test}} \sum^{N_{test}}(t(x_j)-\sum_i w_ih_i(x_j))^2</math> : <math>error_{true}(w) = \int_x (t(x_j)-\sum_i w_ih_i(x_j))^2p(x)\ dx</math> Traning은 학습과정에서 예측되는 에러, Test는 True에러를 예측하기 위해서 사용하는 에러, True에러는 궁극적으로 구하고 싶은 에러. Trannin에러값이 너무 작아지면 오히려 bias-variance tradeoff 때문에 실측 에러가 더욱 작아지게 된다. Train error 문서로 돌아갑니다.