20191219
得られたモデルの良さを判断するには誤差による評価が基本になることがわかった
モデルはシンプルすぎてもいけないし複雑すぎてもいけないということが今回のベーシック課題を通して分かった(ユニット数が多いほど良いということではない。今回の場合シンプルすぎず複雑すぎないユニット数4あたりが適している)
誤差には、バイアス誤差と分散誤差の2つありこれらのトレードオフをうまくとることが重要
学習に用いていない検証用データ にも対応できる 汎化能力 が高まるようにモデルの複雑さについての適切なバランスをとるべき ユニット数だけではなく,幅や中心位置の決め方も工夫が必要