質問編集履歴
2
文章の改善
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -28,7 +28,9 @@
|
|
|
28
28
|
|
|
29
29
|
|
|
30
30
|
|
|
31
|
-
学習過程を見ると過学習はおきていないようですが、epochを増やしても精度は頭打ちです。
|
|
31
|
+
学習過程を見ると過学習(※)はおきていないようですが、epochを増やしても精度は頭打ちです。
|
|
32
|
+
(※過学習は訓練誤差が収束しても汎化誤差が悪化した時のことを指すと認識しています。
|
|
33
|
+
このグラフの場合は汎化誤差は悪化してはいないので、過学習は起きていないと思っています。)
|
|
32
34
|
青線は訓練データに対するロスの値
|
|
33
35
|
赤線が訓練データに対する分類誤差
|
|
34
36
|
赤点線がテストデータに対する分類誤差
|
1
誤字の修正
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -13,14 +13,14 @@
|
|
|
13
13
|
|
|
14
14
|
②テストデータでの精度は良くないが、訓練データでは良い場合
|
|
15
15
|
---
|
|
16
|
-
k-分割交差検証を行った結果、以下の状況となっ
|
|
16
|
+
k-分割交差検証を行った結果、以下の状況となったとします。
|
|
17
17
|
|
|
18
18
|
・テストデータでは精度が良くない
|
|
19
19
|
・訓練データの推論はいずれも十分な精度
|
|
20
20
|
・全データを学習し、学習した訓練データを推論しても十分な精度
|
|
21
21
|
|
|
22
22
|
この状況では、やはりテストデータでは要件を満たしたモデルではないため、運用時では使うべきではないでしょうか。
|
|
23
|
-
それとも学習をすれば正しく推論できているため、全データを学習したモデルを使用しても良いと言えるのでしょうか。
|
|
23
|
+
それとも学習をすれば(訓練データは)正しく推論できているため、全データを学習したモデルを使用しても良いと言えるのでしょうか。
|
|
24
24
|
|
|
25
25
|
|
|
26
26
|
【補足】学習グラフ
|