多类Logistic回归的学习曲线

Question

我使用逻辑回归编写了一个多类分类器，使用一对一方法进行训练。我想绘制训练有素的分类器的学习曲线。

学习曲线是应该逐个类别地绘制还是应该是整个分类器的单个绘图？这有什么不同吗？

为了澄清，学习曲线是训练和训练的曲线。交叉验证/测试集错误/成本与训练集大小。此图应该允许您查看增加训练集大小是否可以提高性能。更一般地说，学习曲线允许您识别您的算法是否存在偏差（在拟合下）或方差（过拟合）问题。

有关我的代码的一些细节：

• 分析MNIST手写数字图像
• 预测图像中的数字（0-9）
• 基于Andrew Ng关于机器学习的Coursera课程

Answer 1

一般来说，我会绘制所有的东西。或者写一个脚本来收集所有内容并将其全部绘制出来。

我认为对整个分类器情节的需求是显而易见的。但是，逐级课程让我觉得有价值，以确保你没有单一课程的问题。例如，如果“5”顽固地抵抗增加的训练数据，但整体分类器仍然受到它的帮助，我宁愿在我倾注更多数据之前调查那一类的情况。