【翻訳】scikit-learn 0.18 User Guide 3.5. 検証曲線：スコアをプロットしてモデルを評価する - Qiita

http://scikit-learn.org/0.18/modules/learning_curve.html を google 翻訳した scikit-learn 0.18 ユーザーガイド 3. モデルの選択と評価 より 3.5. 検証曲線：スコアをプロットしてモデルを評価する すべての推定値には長所と欠点があります。 その一般化誤差はバイアス、分散、ノイズの観点から分解することができます。 推定器の バイアス は、異なるトレーニングセットの平均誤差です。 推定器の 分散 は、それが変化するトレーニングセットに対してどれほど敏感であるかを示す。 ノイズはデータの特性です。 次のプロットには、関数 $f(x) = \cos (\frac{3}{2} \pi x)$ と、その関数からのノイズの多いサンプルが示されています。 我々は、次の3つの異なる評価関数をその関数に適合させるために使用し