學習曲線的目的是選擇更好的模型引數。以最近鄰演算法為例，選取最近的多少個資料點，才能達到最優。可以控制訓練集不動，調整最近的點的個數，繪製學習曲線。
import matplotlib.pyplot as plt
score =
krange=range(1,21) # k值取值範圍
for i in krange:
clf=knn(n_neighbors=i)
clf=clf.fit(xtrain,ytrain)
plt.plot(krange, score)
可以找出最大值所在的索引，找出最佳的k值選擇點：
bestindex=score.index(max(score))
print(bestindex+1)
print(score[bestindex])
80.935672514619883
VIM學習曲線 a
這裡記錄下自己在學習vim過程中的一些坎坷和總結吧！後面補充 今天看到不少同學收藏，看樣子還是有很多人和我一樣的初級學習菜鳥，哈哈，這裡再次申明，文章主要內容是從鏈結的原文作者 拷貝出的，其中自己有小的修改，另外，我會參考其他文章，將常用的一些東西都加入進來，後期會慢慢更新，其中一些說的不清楚的地方...
學習曲線learning curve
學習曲線是橫座標為訓練樣本數量，橫座標為誤差。畫的有兩條曲線，一條是訓練集誤差，一條是交叉驗證的誤差。學習曲線可以反應兩種情況，一種是高偏差，一種是高方差。高方差 過擬合，擬合效果過好，但是泛化效果差，無法泛化新的資料 高誤差 欠擬合，擬合程度太差，誤差太大。反應在學習曲線上就是 高偏差 訓練集誤差...
機器學習 學習曲線
檢視模型的學習效果 通過學習曲線可以清晰的看出模型對資料的過擬合和欠擬合 len x train 個訓練樣本，訓練出 len x train 個模型，第一次使用乙個樣本訓練出第乙個模型，第二次使用兩個樣本訓練出第二個模型，第 len x train 次使用 len x train 個樣本訓練出最後乙...