不良行为学习曲线综述：或为何更多数据未必带来更好性能
机器学习
2022-11-28 v1 统计方法学
机器学习
摘要
将学习器的泛化性能对训练集大小作图，得到所谓学习曲线。该工具可洞察学习器的行为，并且在模型选择、预测更多训练数据的效果以及降低训练计算复杂度方面具有实用价值。我们着手使（理想）学习曲线概念精确化，并简要讨论此类曲线的上述用途。然而，本综述较大篇幅聚焦于显示更多数据不一定导致更好泛化性能的学习曲线。这一结果似乎令人工智能领域的许多研究者感到惊讶。我们指出这些发现的重要性，并以概述和讨论该领域值得进一步理论与实证研究的开放问题来结束本综述。
引用
@article{arxiv.2211.14061,
title = {A Survey of Learning Curves with Bad Behavior: or How More Data Need Not Lead to Better Performance},
author = {Marco Loog and Tom Viering},
journal= {arXiv preprint arXiv:2211.14061},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2103.10948