错误率是指在预测中，预测错误所占的比例，计算公式一般是：1 – 准确度（%）

训练完成的模型，一般可以被用于测定某一模型在数据集中的错误率，其中有三个数很重要：

• Bayes Optimal Error：理想的不可测的极限值，在图像识别上可用人类错误率近似替代；
• Train Error：模型用在 Train Set 上的错误率；
• Dev Error：模型用在 Dev Set 上的错误率。

降低错误率的策略

1) 降低 Bias

• 尝试更大的模型，例如层数更多的神经网络、更多的神经元等；
• 延长训练时间；
• 调整优化算法，例如尝试 Momentum 、 RMS Prop 、 ADOM 等；
• 换用 CNN 、 RNN 等神经网络模型。

2）降低 Variance

• 更多的数据加入；
• 增加约束条件，使得拟合出来的函数更为平滑；
• 换用 CNN 、 RNN 模型。

参考来源：

【1】机器学习的战略 (2)– 错误率