2
私はそのような学習曲線を作成しているとしましょう（コードで可能な小さな誤差は単なるサンプルです）。私が望むのは、むしろ古典的な学習曲線です。ここでは、検証/テストセットを同じサイズに保ったトレーニングセットを拡大します。R mlr - トレーニングデータとテストデータ全体（トレーニングデータ全体ではない）のサブセットから学習曲線を作成しますか？
learningCurve <- generateLearningCurveData("regr.glmnet",
bh.task,
makeResampleDesc(method = "cv", iters = 5, predict = "both"),
seq(0.1, 1, by = 0.1),
list(setAggregation(auc, train.mean), setAggregation(auc, test.mean))
)
上記のコードの問題は、学習者が実際にトレーニングデータの一部で訓練されているが、auc.train.mean尺度は全体トレーニングセットで評価されていることです。これは、私が欲しい学習曲線ではありません。私はここのように、学習のために使用された訓練セットの一部のパフォーマンスを評価するために、この対策をしたいと思います：
http://www.astroml.org/sklearn_tutorial/practical.html#learning-curves
私はこの文はすべて、それを説明すると信じて：
。なお、訓練データの小さなサブセットを訓練するとき、訓練エラーはこの訓練セットではなく、このサブセットを使用して計算されます。
これを行うには？
'train.mean'は、あなたがしているトレーニングデータのパフォーマンスを与える必要があります探しているのは、https://mlr-org.github.io/mlr-tutorial/devel/html/learning_curve/index.htmlを参照してください。あなたは意味をなさない数字を得ていますか？ –
ええ、私はそのページを見て、私はそれを広範に使用しています。結果が意味をなさないと言っているわけではありません。本当にありますが、私が探しているものではありません。あなたがトレーニングデータの10％でデータをトレーニングするとき、 'train.mean'はトレーニングデータの100％のパフォーマンスを測定します（チェックしました）。その結果、 "train errror"曲線と "test error"曲線の両方がサンプルが増加するにつれて減少し、古典的な "学習曲線"では列車誤差が最も頻繁に増加します。これがはっきりしているかどうかは不明です。 – Matek
コードを読んだことは、あなたがそれを記述する必要があるときに起こることです。あなたはmlrとscikit-learnを直接比較していますか？これはそうではないことを示していますか？ –