Errore
Errore: La differenza tra output predetto e etichetta vera, indicando errori del modello. L'errore guida l'apprendimento. Errore alto significa predizioni scarse. Il training mira a minimizzare l'errore. Correlato alla funzione di loss. Esempi di applicazione: Errore predizione: 0.5, Tasso errore classificazione, Mean squared error.
In English: ErrorLegge V · Overfitting, bias e collasso dei modelliL'errore guida l'apprendimento. Errore alto significa predizioni scarse. Il training mira a minimizzare l'errore. Correlato alla funzione di loss.
Esempi
- Errore predizione: 0.5
- Tasso errore classificazione
- Mean squared error