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