learning_curve需确保X为2D数组、y为1D数组，若X是3D（如图像数据），应先reshape为(-1, feature_dim)或用Flatten预处理。
sklearn的learning_curve函数怎么调用才不报错
直接用 learning_curve 时最常遇到 ValueError: Found array with dim 3. Expected 或 <code>TypeError: A sparse matrix was passed, but dense data is required —— 根本原因是传进去的 X 和 y 没对齐，或预处理没做干净。
实操建议：
立即学习“Python免费学习笔记（深入）”；
-
X必须是二维数组（n_samples × n_features），哪怕只有一列特征也得是reshape(-1, 1)，不能是Series或一维ndarray -
y可以是一维，但类型要和模型匹配：分类任务别传浮点数标签，回归任务别传字符串 - 务必在调用
learning_curve前完成所有预处理（如StandardScaler.fit_transform(X_train)），不能把Pipeline里带fit的步骤丢给它自动做 - 如果模型本身要求稀疏输入（比如
LogisticRegression配solver='saga'），记得传return_train_score=True，否则默认只返回测试分，画不出完整曲线
train_sizes参数设多少才反映真实学习行为
train_sizes 不是随便写个 [0.1, 0.3, 0.5, 0.7, 0.9] 就行。太密会拖慢速度，太粗会漏掉关键拐点，尤其当样本量小（
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 优先用
np.linspace(0.1, 1.0, 5)而不是等间隔整数，避免在小样本下取到train_size=1导致 CV 报错 - 若总样本
n_samples ，把点数减到 3–4 个，比如 <code>[0.2, 0.5, 0.8]；否则交叉验证每折训练数据太少，方差爆炸 - 注意
cv的折数影响实际最小训练集大小：设cv=5且train_sizes=[0.2]，那每折只有总样本的 20% 用于训练、80% 用于验证——此时训练集极小，分数不可信
画出来的曲线平坦/抖动大，是模型问题还是代码问题
曲线在 y 轴方向几乎水平，或者上下剧烈跳动，大概率不是模型本身烂，而是评估方式没控住随机性。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 必须固定
random_state：在learning_curve(..., cv=ShuffleSplit(n_splits=5, test_size=0.2, random_state=42))里显式传，否则每次运行 CV 划分不同，曲线毛刺感强 - 避免用
cv='warn'或默认cv=None（即StratifiedKFold(n_splits=5)），它不保证重复性；改用带random_state的ShuffleSplit或KFold - 如果
scoring用的是'f1'这类依赖阈值的指标，而模型输出是概率（如RandomForestClassifier.predict_proba），得配make_scorer(f1_score, greater_is_better=True, average='macro')，否则可能因默认阈值导致分数突变
Learning Curve 和 Validation Curve 容易混淆的边界在哪
Learning Curve 是看「训练集大小」变化对性能的影响，Validation Curve 是看「超参取值」变化的影响。混用会导致诊断结论完全反向。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 怀疑欠拟合（高偏差）→ 画 Learning Curve：如果训练分和验证分都低且接近，说明模型容量不够，该换复杂模型，不是调参
- 怀疑过拟合（高方差）→ 先看 Learning Curve：如果训练分高、验证分低、且随样本增加差距缩小，才是真过拟合；如果验证分一直上不去，可能是数据噪声大或特征质量差
- 想调
max_depth或C？那是validation_curve的活，别往learning_curve的param_name里塞——它根本不接受这个参数
真正难的是把曲线趋势和业务数据分布对应起来：比如某特征缺失率突然升高那段训练集规模，可能正好卡在曲线拐点，这种细节不会自动标出来，得你手动比对。
