python - 机器学习+Python : Drawing Validation curve

Question

我想为我的朴素贝叶斯估计器绘制一条验证曲线，如下所示:

http://scikit-learn.org/stable/auto_examples/model_selection/plot_validation_curve.html

我不明白什么是训练分数。

谁能给我解释一下吗？

Answer 1

训练分数是训练期间获得的分数。例如，当您调用 yourmodel.fit(x_train, y_train) 之类的内容时，在本例中为橙色线。在幕后，您的模型正在根据 y_train(您的标签/结果，例如下雨或不下雨)对您的 x_train 数据(您的特征，例如温度或湿度)进行预测)。 非常粗略，训练分数是根据模型正确预测的数量来计算的。例如，您的模型的得分可能为 0.9436..(大约 94%)，这意味着您的机器学习模型在 94% 的时间内输出了正确的决策。您经常会发现，在训练过程中，模型的得分往往高于测试集的得分。您可以看到橙色线看起来好像是 1.0，有效得分为 100%，但交叉验证(测试)得分最高分略低于 100%，这是更常见的情况。

假设 1.0 的分数意味着您的模型是完美的，这可能是危险的，这就是过度拟合出现的地方，这在高水平上意味着您的模型与您的训练过于吻合数据，并且不能很好地推广到新数据。我建议查看 this要了解更多信息，Sci-Kit learns 网站上有很棒的文档。