
前面小編給大家簡單介紹過擬合和欠擬合時,提到了一個概念:學(xué)習(xí)曲線,我們通過學(xué)習(xí)曲線能夠很清晰的判別出模型現(xiàn)在說出的狀態(tài)是欠擬合還是過擬合,下面小編具體整理了學(xué)習(xí)曲線的相關(guān)內(nèi)容,希望對大家有所幫助。
學(xué)習(xí)曲線(learning curve)是不同訓(xùn)練集大小,模型在訓(xùn)練集和驗證集上的得分變化曲線。橫坐標為·樣本數(shù),縱坐標為訓(xùn)練和交叉驗證集上的得分(如準確率)。
模型在新數(shù)據(jù)上的表現(xiàn)如何,都能清晰地在展現(xiàn)在學(xué)習(xí)去線上,我們也能通過這些表現(xiàn),進而判斷模型是否方差偏高或者偏差過高,以及增大訓(xùn)練集是否可以減小過擬合。
如圖所示:
(1)當訓(xùn)練集和測試集的誤差收斂但卻很高時,為高偏差。
左上圖中訓(xùn)練集和驗證集上的曲線能夠收斂,但偏差很高,訓(xùn)練集和驗證集上準確率相差很大,卻都很差。這種情況下模型對已知數(shù)據(jù)和未知數(shù)據(jù)都不能進行準確的預(yù)測,很可能是欠擬合。
方法:
增加模型參數(shù),采用更復(fù)雜的模型,減小正則項。
注意:此時通過增加數(shù)據(jù)量是不起作用的。
(2)當訓(xùn)練集和測試集上誤差之間有大的差距時,為高方差。
當訓(xùn)練集的準確率比其他獨立數(shù)據(jù)集上的測試結(jié)果的準確率要高時,一般都是過擬合。
右上圖中,訓(xùn)練集和驗證集的準確率差距很大,這種情況下,模型能夠很好的擬合已知數(shù)據(jù),但是泛化能力不足,屬于高方差,很可能是過擬合。
方法:
增大訓(xùn)練集,降低模型復(fù)雜度,增大正則項,或者通過特征選擇減少特征數(shù)。
(3)右下方圖,也是最理想情況:找到偏差和方差都很小的狀態(tài),就是收斂而且誤差較小。
學(xué)習(xí)曲線的具體操作:
len(X_train) 個訓(xùn)練樣本,訓(xùn)練出 len(X_train) 個模型,第一次使用一個樣本訓(xùn)練出第一個模型,第二次使用兩個樣本訓(xùn)練出第二個模型,… ,第 len(X_train) 次使用 len(X_train) 個樣本訓(xùn)練出最后一個模型;
每個模型對于訓(xùn)練這個模型所使用的部分訓(xùn)練數(shù)據(jù)集的預(yù)測值:y_train_predict = 模型.predict(X_train[ : i ]);
每個模型對于訓(xùn)練這個模型所使用的部分訓(xùn)練數(shù)據(jù)集的均方誤差:mean_squared_error(y_train[ : i ], y_train_predict);
每個模型對于整個測試數(shù)據(jù)集的預(yù)測值:y_test_predict = 模型.predict(X_test)
每個模型對于整個測試數(shù)據(jù)集的預(yù)測的均方誤差:mean_squared_error(y_test, y_test_predict);
繪制每次訓(xùn)練模型所用的樣本數(shù)量與該模型對應(yīng)的部分訓(xùn)練數(shù)據(jù)集的均方誤差的平方根的關(guān)系曲線:plt.plot([i for i in range(1. len(X_train)+1)],np.sqrt(train_score), label=“train”)
繪制每次訓(xùn)練模型所用的樣本數(shù)量與該模型對應(yīng)的測試數(shù)據(jù)集的預(yù)測的均方誤差的關(guān)系曲線:plt.plot([i for i in range(1. len(X_train)+1)],np.sqrt(test_score), label=“test”)
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10