我试图解释这个图表。
我不确定如何解释这一点，因为，我认为例如 LGBM 验证错误的事实很广泛并且类似于火车箱线图，没有过度拟合的问题，但是当我看到另一种类型的执行图表时LGBM，我可以看到 LGBM 确实过拟合，所以我真的不知道如何正确解释这一点。
但我不知道如何解释：
LightGBM 可能是最好的选择，因为它更快，并且最终你可以获得足够的准确度，并且与其他两个相比，bagging 的过拟合更少，因为误差之间的差异更小。
任何的想法？
谢谢
是否有可能通过此图表在模型之间进行过拟合欠拟合比较？（家庭作业）
数据挖掘
机器学习
随机森林
数据科学模型
模型选择
助推
2022-03-07 19:08:36
1个回答
您的图表似乎表明轻型 GBM 模型在 F1 分数方面非常不一致。其他两种类型的模型的验证准确度往往低于训练准确度，这表明在某种程度上发生了过度拟合（但这在机器学习中无处不在，因此无论如何它都不会破坏交易）。最好的中值验证性能来自 RandomForest，但是一些异常值的性能不如使用 bagging 的模型。一个好的方法可能是拥有一组 RandomForest 模型。