Cosa significa "Errore empirico"?

Indice

L'errore empirico si riferisce alla quantità di errori che un modello fa quando viene testato su un set di dati che ha già visto. È importante perché ci aiuta a capire quanto bene il modello sta funzionando in pratica.

Quando creiamo un modello, lo alleniamo usando un gruppo di esempi. Una volta che il modello è stato addestrato, lo testiamo sullo stesso gruppo per vedere quanto spesso azzecca o sbaglia. Gli errori contati durante questo test ci danno l'errore empirico.

Questo concetto è particolarmente utile quando guardiamo ai diversi tipi di attacchi sui modelli, come gli attacchi backdoor. In questi casi, l'errore empirico può mostrare quanto bene un modello possa ancora funzionare nonostante sia stato manomesso. Un errore empirico più basso indica che il modello è più affidabile, mentre un errore più alto suggerisce che il modello potrebbe aver bisogno di miglioramenti.