高偏差或差异？ - SVM和我们的学习曲线

Question

我从未见过这样的学习曲线。我是对的，发生了巨大的过度拟合吗？该模型更适合于训练数据，但对于测试数据则更为普遍。

通常情况下，如果有很高的差异，就像这里一样，更多的例子应该有所帮助。在这种情况下，他怀疑他们不会。这是为什么？为什么在文学/教程中很容易找到这种学习曲线的例子？

Learning curves. SVM, param1 is C, param2 is gamma

Answer 1

您必须记住SVM是非参数模型，因此更多样本不必减少方差。参数模型（如神经网络）可以或多或少地保证方差的减少，但SVM不是其中之一 - 更多的样本不仅意味着更好的训练数据，还意味着更复杂的模型。你的学习曲线是SVM过度拟合的典型例子，它在RBF内核中发生了很多。