我试图用sklearn.learning_curve绘制我的SVC分类器的学习曲线 . 从情节来看，我发现我的训练分数和考试成绩同时增加 . 但随着样本数量的增加，训练曲线和交叉验证曲线之间的差距变得越来越大 . 据我所知，当提供更多样本时，训练分数应该会减少 . 你们对这个问题有什么看法吗？
如果训练和交叉验证准确度之间的差距在增加，那么这表明您的模型过度拟合了训练数据 .
随着每次迭代（提供额外的训练数据），您的模型能够更好地捕获训练数据，但是它不再能够更好地概括（因此交叉验证准确度会收敛） .
1 回答
如果训练和交叉验证准确度之间的差距在增加，那么这表明您的模型过度拟合了训练数据 .
随着每次迭代（提供额外的训练数据），您的模型能够更好地捕获训练数据，但是它不再能够更好地概括（因此交叉验证准确度会收敛） .