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，该分类器使用一对多方法进行训练。我想为经过训练的分类器绘制学习曲线。

学习曲线应该逐个类地绘制，还是应该是整个分类器的单个图？这有什么不同吗？

为了澄清，学习曲线是训练和交叉验证/测试集错误/成本与训练集大小的关系图。该图应该允许您查看增加训练集大小是否会提高性能。更一般地说，学习曲线可让您确定您的算法是否存在偏差（欠拟合）或方差（过拟合）问题。

关于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 的 Coursera 机器学习课程

Answer 1

一般来说，我会绘制所有的东西。或者编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图的需求是显而易见的。但我认为逐个班级的课程对确保您在一个班级没有问题很有价值。如果说，“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。