如何解决在学习曲线达到某一点后,测试分数低于训练分数
当我绘制贝叶斯岭回归模型的学习曲线时,我观察到多达近 180 个训练大小的测试分数高于训练分数;但是,对于更高的训练规模,测试分数低于训练分数。我附上了下面的学习曲线:
这可能是什么原因?在这种训练规模下会发生什么?
解决方法
当您为模型提供更多数据时,它开始更好地泛化。训练准确率增加。测试准确率通常较低,因为模型针对训练数据集进行了优化。但是,当训练准确度与测试准确度相比非常高时,您的模型可能会过度拟合,您可能需要进行正则化以减少模型的高方差。过拟合的特点是样本内误差小,样本外误差大。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。