Я написал многоклассовый классификатор с использованием логистической регрессии, который обучается с использованием подхода «один против всех». Я хочу построить кривую обучения для обученного классификатора.Кривые обучения для логистической регрессии Multi-класса
Должна ли отображаться кривая обучения на основе класса по классам или она должна быть единым графиком для классификатора в целом? Есть ли разница?
Чтобы уточнить, кривая обучения представляет собой график обучения & перекрестная проверка/набор тестов ошибок/затрат против установленного размера обучения. Этот сюжет должен позволить вам увидеть, увеличивает ли размер набора тренировок улучшает производительность. В более общем плане кривая обучения позволяет определить, имеет ли ваш алгоритм ошибку смещения (при подгонке) или дисперсии (по сравнению).
Некоторые подробности относительно моего кода:
- анализирует MNIST рукописные цифры изображения
- предсказывает цифры (0-9) в образе
- на основе класса Coursera Эндрю Нг на машине обучения
Что именно вы подразумеваете под «кривой обучения»? Просто сюжет прогресса обучения? Почему это должно влиять на прогнозы классификатора? – cfh
[Кривая обучения] (https://followthedata.files.wordpress.com/2012/06/screen-shot-2012-06-02-at-21-31-03.png). График ошибки обучения и теста, а также размер установленного набора. Что должно позволить мне понять, будет ли увеличение размера набора тренировок значительно повысить производительность – jkarimi