我应该为多类逻辑回归分类器绘制多少条学习曲线？

Question

如果我们有K类，我必须绘制K个学习曲线吗？ 因为我似乎不可能一次计算所有K theta向量的列车/验证错误。为了阐明，学习曲线是交叉验证/测试集错误/成本vs训练集大小的训练图。该图应该允许您查看增加训练集大小是否可以提高性能。更一般地说，学习曲线允许您确定算法是否存在偏差（拟合下）或方差（过拟合）问题。

Answer 1

这取决于。学习曲线不关心类的数量。就像你说的那样，这是一个训练集和测试集错误的图，其中错误是一个数值。这是所有的学习曲线。

该错误可以是任何你想要的：准确度，精确度，回忆，F1得分等（甚至MAE，MSE和其他回归）。

但是，您选择使用的错误是适用于或不适用于您的特定问题的错误，这反过来间接影响了您应该如何使用学习曲线。

任何数量的类的准确性都很好定义，所以如果使用这种方法，一个图就足够了。

但是，精确度和召回率仅限于二元问题。通过考虑类别为x和not x的二元问题，您可以稍微推广它们（例如，参见here），每个类别为x。在这种情况下，您可能需要绘制每个班级的学习曲线。这也将帮助您更好地发现与某些类别相关的问题。

如果您想了解更多关于性能指标的信息，我很喜欢this paper。