首先，我想对如果这不是问这个问题的最佳地点表示歉意。我有一个基于11种输入来预测葡萄酒质量的回归模型。目前，我的模型具有平均平均绝对误差和均方误差结果。 但是我使用两个具有完全相同的输入和参数的数据集。一个数据集有1600个条目，另一个数据集有5000个条目。我的问题是，对于较大的数据集，我的MAE和MSE值更差。训练集大小增加，我的模型是否应该没有更好的性能？
答案 0 :(得分：1)
随着训练集规模的增加，我的模型是否会有更好的表现？
简短答案：否
更长的答案：
通常，假设拥有更多数据可以为您提供更高的准确性，这是考虑它的正确方法。但是，更多的数据并不意味着您的模型会变得更容易。它可能变得更加复杂。例如，您正在使用线性回归，但在某个时间点上您意识到，随着数据的增加，回归似乎是一条指数曲线。
您还需要检查新数据（更多）是否遵循原始分发。我的方法是让您使用更多数据重新训练模型，然后考虑一个新问题。