O que significa "Erro Empírico"?

Índice

Erro empírico se refere à quantidade de erros que um modelo comete quando é testado em um conjunto de dados que ele já viu antes. Isso é importante porque ajuda a entender como o modelo tá indo na prática.

Quando a gente cria um modelo, a gente treina ele usando um grupo de exemplos. Depois que o modelo tá treinado, a gente testa ele no mesmo grupo pra ver com que frequência ele acerta ou erra. Os erros contados durante esse teste nos dão o erro empírico.

Esse conceito é especialmente útil quando a gente olha pra diferentes tipos de ataques em modelos, como ataques de backdoor. Nesses casos, o erro empírico pode mostrar como um modelo ainda pode funcionar bem, mesmo depois de ter sido mexido. Um erro empírico mais baixo indica que o modelo é mais confiável, enquanto um erro mais alto sugere que o modelo pode precisar de melhorias.