К содержанию
Quantoros

Train и validation сходятся к одинаково плохому плато при росте выборки. Что проверить прежде, чем ожидать спасения от…

Classic MLУровень: ПрактикаValue of collecting more data

Train и validation сходятся к одинаково плохому плато при росте выборки. Что проверить прежде, чем ожидать спасения от новых похожих данных?

Подсказки
  • Сравните зазор и абсолютное качество.
  • Малый зазор совместим с плохим обучением.

Ответ

Проверьте мощность модели, качество признаков и шум таргета. Кривая указывает на ограничение текущего представления или оценщика, не доказывая, что неограниченные данные его снимут.

Источник и лицензия: scikit-learn 1.7.2 — learning curve · BSD-3-Clause · ответ: редакция Quantoros · перевод: Quantoros

Похожие вопросы