我应该为多类逻辑回归分类器绘制多少条学习曲线？

Question

如果我们有K班，我是否必须绘制K学习曲线？ 因为我似乎不可能立刻计算出对所有K theta矢量的列车/验证误差。

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。

Answer 1

这取决于。学习曲线与课程数量无关。就像你说的那样，它是训练集和测试集错误的图，其中该错误是一个数值。这是所有学习曲线。

这个错误可以是你想要的任何东西：准确性，精确度，召回率，F1分数等（甚至MAE，MSE和其他用于回归）。

但是，您选择使用的错误是对您的特定问题有效或不适用的错误，这反过来会间接影响您应该如何使用学习曲线。

任何数量的类都可以很好地定义准确性，所以如果使用它，单个图就足够了。

然而，精确度和召回仅针对二元问题进行定义。您可以通过考虑每个类x的类not x和x的二进制问题来对它们进行一些概括（请参阅here）。在这种情况下，您可能希望为每个类绘制学习曲线。这也有助于您更好地发现与某些课程相关的问题。

如果您想了解有关效果指标的更多信息，我非常喜欢this paper。