29 绘制训练集上的损失曲线（29 Plotting training error）

当训练集增大时，开发集（测试集）损失应该降低，但是训练集损失会增大。 用一个例子展示这种效果：假如训练集只有2个样本：一个猫图片，一个非猫图片，对于算法来说很容易记得这两个样本，从而在训练集上获得0%的错误率。即使两个样本的标签都错了，对于算法来说还是很容易记住这些标签。（注：标签错了，算法记住错的标签，训练集上分类错误率也为0）。 现在假设训练集有100个样本，其中少量样本的标签是错误的，或者一

>>阅读原文<<