我使用逻辑回归编写了一个多类分类器，该分类器使用一对多方法进行训练。我想绘制经过训练的分类器的学习曲线。
学习曲线应该按类别绘制，还是应该作为整个分类器的单个图？这有什么不同吗？
需要澄清的是，学习曲线是训练和交叉验证/测试集错误/成本与训练集大小的关系图。该图应该可以让您了解增加训练集大小是否可以提高性能。更一般地说，学习曲线可以让您确定您的算法是否存在偏差(拟合不足)或方差(过度拟合)问题。
有关我的代码的一些详细信息:
- 分析 MNIST 手写数字图像
- 预测图像中的数字 (0-9)
- 基于 Andrew Ng 的 Coursera 机器学习类(class)
最佳答案
一般来说，我会绘制所有的东西。或者编写一个脚本来收集所有内容并绘制所有内容。
我认为对整个分类器图的需求是显而易见的。但我觉得逐个类(class)的类(class)很有值(value)，可以确保您不会在单个类(class)中遇到问题。比如说，如果“5”顽固地抵制增加的训练数据，但整体分类器仍然受到它的帮助，那么我宁愿在注入(inject)更多数据之前调查该类的情况。
关于optimization - 多类 Logistic 回归的学习曲线，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30550344/