我从未见过这样的学习曲线 . 我是对的，发生了巨大的过度拟合吗？该模型更适合于训练数据，而对于测试数据则更为普遍 .
通常当存在高差异时，就像这里一样，更多的例子应该有所帮助 . 在这种情况下，我怀疑他们不会 . 这是为什么？为什么在文学/教程中无法轻易找到这样的学习曲线示例？
Learning curves. SVM, param1 is C, param2 is gamma
您必须记住SVM是 non parametric model ，因此更多样本不必减少方差 . 参数模型（如神经网络）可以或多或少地保证方差的减少，但SVM不是其中之一 - 更多的样本不仅意味着更好的训练数据，而且意味着 more complex model . 您的学习曲线是SVM过度拟合的典型示例，这在RBF内核中发生了很多 .
1 回答
您必须记住SVM是 non parametric model ，因此更多样本不必减少方差 . 参数模型（如神经网络）可以或多或少地保证方差的减少，但SVM不是其中之一 - 更多的样本不仅意味着更好的训练数据，而且意味着 more complex model . 您的学习曲线是SVM过度拟合的典型示例，这在RBF内核中发生了很多 .