如何从交叉验证数据创建学习曲线？
How to create learning curve from cross-validated data?
我有一个使用 10 折交叉验证的算法。在训练集中，我先使用其中一个折叠来验证训练模型，然后再使用预留的折叠上的学习模型进行测试。
我想创建一个学习曲线，这意味着我需要改变训练集的大小。这是否意味着我还要改变验证集的大小以及训练数据？这是否意味着我也需要更改测试集的大小（训练和验证折叠之外的折叠）？
10 折交叉验证 的工作原理是将标记数据的训练集分成 10 个大小相等的子集。其中 9 个子集组合成新的训练集，剩下的 1 个子集用于 validation/testing，即模型在 90% 的原始训练集上训练，在 10%.
上测试
这在 10 个子集中的每个子集中执行 10 次（折叠），因此每个子集都用于测试。对每次迭代执行测试的性能测量，并在所有迭代完成后计算平均值。
没有所谓的"training fold"或"testing fold"，折叠是过程的迭代。在此过程中也没有保留子集，每次迭代都会使用所有子集。
要创建您正在谈论的学习曲线，您可以简单地改变原始训练集的大小并让 10 折交叉验证过程 运行事实上。原始训练集中的记录数是您对训练集大小的度量，性能是交叉验证完成后的给定平均值。
我有一个使用 10 折交叉验证的算法。在训练集中，我先使用其中一个折叠来验证训练模型，然后再使用预留的折叠上的学习模型进行测试。
我想创建一个学习曲线，这意味着我需要改变训练集的大小。这是否意味着我还要改变验证集的大小以及训练数据？这是否意味着我也需要更改测试集的大小（训练和验证折叠之外的折叠）？
10 折交叉验证 的工作原理是将标记数据的训练集分成 10 个大小相等的子集。其中 9 个子集组合成新的训练集，剩下的 1 个子集用于 validation/testing，即模型在 90% 的原始训练集上训练，在 10%.
上测试这在 10 个子集中的每个子集中执行 10 次（折叠），因此每个子集都用于测试。对每次迭代执行测试的性能测量，并在所有迭代完成后计算平均值。
没有所谓的"training fold"或"testing fold"，折叠是过程的迭代。在此过程中也没有保留子集，每次迭代都会使用所有子集。
要创建您正在谈论的学习曲线，您可以简单地改变原始训练集的大小并让 10 折交叉验证过程 运行事实上。原始训练集中的记录数是您对训练集大小的度量，性能是交叉验证完成后的给定平均值。