誤り率とは、予測において予測が誤っている割合を指し、一般的な計算式は：1 – 正確度（%）です。

学習が完了したモデルは、一般に、あるモデルのデータセットにおける誤り率を測定するために使用できます。ここで、3つの数値が重要です：

• ベイズ最適誤差（Bayes Optimal Error）：理想的で測定不可能な限界値で、画像認識では人間の誤り率を用いることができます。

• 近似

  代替；

• 訓練誤差（Train Error）：モデルを訓練データセット（Train Set）に適用したときの誤り率；

• 検証誤差（Dev Error）：モデルを検証データセット（Dev Set）に適用したときの誤り率。

誤り率を低減する戦略

1) バイアスを低減する

• より大きなモデルを試す、例えば、より多くの層を持つニューラルネットワークや、より多くのニューロンを持つモデルなど；

• 学習時間を延長する；

• 最適化を調整する

• アルゴリズム

  、例えば、モーメンタム（Momentum）、RMS Prop、ADOMなどを試す；

• CNNやRNNなどのニューラルネットワークモデルに切り替える。

2）バリアンスを低減する

• より多くのデータを追加する；

• 制約条件を追加して、フィッティングされた関数をより