过拟合和欠拟合_如何用学习曲线判断过拟合和欠拟合

1. 什么是学习曲线

学习曲线是模型在训练集和验证集上的得分变化曲线，横坐标表示的是样本数量(x_train的数据量)的大小，纵坐标为训练集和验证集的得分(train_score, test_score)。

2. 什么是过拟合和欠拟合

过拟合：过拟合一般是由于模型使用了太多的特征引起的，太过贴近于训练数据的特征了，在训练集上表现非常优秀，但是在新的测试集上却表现平平，不具泛化性。

欠拟合：欠拟合一般是指模型没有很好的抓住数据的特征，在训练集和测试集的准确率相差不大，但是都表现的大，使得偏差较大。

3. 怎么判断过拟合还是欠拟合

import numpy as np
import matplotlib.pyplot as plt
from sklearn.naive_bayes import GaussianNB
from sklearn.svm import SVC
from sklearn.datasets import load_digits
from sklearn.model_selection import learning_curve
from sklearn.model_selection import ShuffleSplit
 
d