機器學習可行嗎(5)–錯誤率

前面幾篇提到：我們說「可以學習」要求的是要能得到低的錯誤率。但是如果今天很不幸的，我們用了一個模型，但是得到很高的錯誤率，那我們怎麼知道如何修改模型才能讓錯誤率降低？是要用更複雜的模型？還是更簡單的模型？還是其實另有其他方法？這篇文章主要就是要來討論錯誤率的來源，以及面對不同的來源，應該要做什麼樣的修改比較好。

在這裡討論錯誤率是為了之後的需要，但是只簡單的介紹概念，其中的數學推導就不詳細敘述，有興趣的人可以自行確認，或是筆者往後有時間的話再另外寫一篇關於bias-variance tradeoff 的問題。