为什么RNCE for Kriging不会因为增加训练数据而严格降低？

Question

我正在使用gstat包进行普通克里金法并使用walker湖数据（数据大小= 470）。我在每个试验中从该数据中随机抽取20个，并计算从50-450数据集中随机选择的训练数据集的rmse。然后我计算了每个数据集的平均值。结果如下 -

apply plugin: 'com.android.application'

android {
    compileSdkVersion 23
    buildToolsVersion "23.0.1"

    defaultConfig {
        applicationId "com.example.subinasharma.myapplication2"
        minSdkVersion 15
        targetSdkVersion 23
        versionCode 1
        versionName "1.0"
    }
    buildTypes {
        release {
            minifyEnabled false
            proguardFiles getDefaultProguardFile('proguard-android.txt'), 'proguard-rules.pro'
        }
    }
}

dependencies {
    compile fileTree(dir: 'libs', include: ['*.jar'])
    testCompile 'junit:junit:4.12'
    compile 'com.android.support:appcompat-v7:23.1.1'
}

我的问题是：

1）为什么RMSE是波浪状的。为什么在增加培训数据的同时总是会减少？

2）这是否意味着，我们不需要大型数据集进行克里金法，因为当训练数据集为200时，RMSE最低。

等待回复。