learning_curve（学习曲线）

文章目录

• 一、学习曲线

• • 1.1 学习曲线作用
  • 1.2 学习曲线
  • 1.3 表现能力
  • 1.4 学习曲线的具体操作

• 第二部分 实例分析

  • 2.1 模拟数据样本
    • 2.2 呈现数据特征
    • 2.3 对数据进行分块处理
    • 2.4 通过线性回归算法建立模型并观察其表现
    • 2.5 展示结果趋势
    • 2.6 探究样本规模变化对模型性能的影响

• 第三章 封装学习曲线绘制方法

  • 实现学习曲线的绘制功能模块

    • 调用已实现的学习曲线模块
    • 调用 plot_squared_error() 函数 绘制线性回归模型的学习曲线
    • 设置度量值为 degree = 2
    • 设置度量值为 degree = 30
    • 比较不同度量值（degree=2）的学习效果与线性回归模型
    • 比较不同度量值（degree=2）与（degree=20）的学习效果差异

  • 有趣的事，Python永远不会缺席

数据和模型 <>

模型评估：包括但不仅限于ROC曲线下的面积（Area under the ROC curve, AUC）、AUC值、精确率（Precision）、召回率（Recall）、