LearningCurve下降不表示过拟合，而是欠拟合典型信号；判断过拟合需看训练与验证误差间隙大小，而非曲线方向。
LearningCurve画出来是下降的，是不是模型过拟合了？
不是必然。学习曲线下降只说明随着训练样本增加，验证集误差变大——这反而是**欠拟合典型信号**。真正要看的是训练集和验证集两条线之间的“间隙”：如果训练误差低、验证误差高、且间隙大，才是过拟合；如果两条线都高且贴近，大概率是欠拟合或模型容量不足。
实操时别只盯曲线方向，重点比对两个值：train_scores 和 val_scores 的均值与方差。用 cv=5 默认交叉验证，但小数据集建议改用 cv=3 避免方差过大；大数据集可设 cv=2 加速。
- 训练集误差持续低于 0.1，验证集误差 > 0.3 → 过拟合嫌疑大
- 两条线都在 0.4 以上且几乎重合 → 模型学不动，换特征或换算法
- 验证曲线抖动剧烈（标准差 > 0.1）→
cv折数不够或数据分布不稳
learning_curve() 返回的 scores 是什么维度？怎么取平均？
learning_curve 返回的 train_scores 和 val_scores 都是二维数组，形状为 (n_ticks, n_cv)，其中 n_ticks 是你传入的 train_sizes 长度，n_cv 是交叉验证折数。直接用 .mean(axis=1) 才能得到每个训练规模下的平均得分（注意：sklearn 默认返回的是「得分」，越大越好；如果是误差，得先取负再算）。
常见错误是误用 .mean() 全局平均，或者忘了 scoring 参数影响正负含义。比如用 scoring='neg_mean_squared_error'，必须先 -scores.mean(axis=1) 才能当 MSE 看。
- 想画误差曲线？用
scoring='neg_log_loss'后记得加负号 - 多分类任务默认用准确率，但类别不平衡时应显式指定
scoring='f1_weighted' - 自定义 scorer 传入时，确保它返回标量，否则
learning_curve会静默失败
为什么学习曲线跑得特别慢？怎么加速？
慢的主因是默认对每个 train_size 都做完整 CV 训练——比如 train_sizes=[0.1, 0.3, 0.5, 0.7, 0.9] + cv=5，就要训 25 次模型。加速关键在控制训练频次和简化评估。
优先尝试：设 shuffle=True + random_state=42 保证可复现；把 train_sizes 减少到 5 个以内；对树模型（如 RandomForestClassifier）可关掉 oob_score 干扰；用 n_jobs=-1 开并行，但注意内存爆炸风险。
- 大数据集（>10w 样本）：用
train_sizes=np.linspace(0.05, 0.5, 5)，避开后期高开销区 - GPU 加速无效——
learning_curve不走 cuML 或 XGBoost GPU backend - 模型本身支持 warm_start（如
SGDClassifier）？可惜learning_curve不利用它，得自己手写循环
LearningCurve 和 ValidationCurve 用混了怎么办？
根本区别就一条：LearningCurve 改变的是「训练样本量」，ValidationCurve 改变的是「超参数值」。用错的典型表现是——你想看正则强度影响，却传了 train_sizes，结果曲线全平了（因为没动参数）；或者想诊断数据量瓶颈，却去扫 C 值，白跑半小时。
记牢接口差异：learning_curve(estimator, X, y, train_sizes=...) vs validation_curve(estimator, X, y, param_name='C', param_range=[0.1, 1, 10])。二者返回结构一致，但解释逻辑相反。
- 怀疑模型需要更多数据？用
learning_curve，观察验证分是否随样本增加而明显上升 - 怀疑超参调得不对？用
validation_curve，看验证分在哪个param_range达到平台期 - 两个一起用？先
validation_curve锁定较优超参，再用该参数跑learning_curve——顺序不能反
学习曲线真正的难点不在调用，而在读图时区分「数据不足」「特征不行」「模型太简单」这三者的图像相似性——它们都可能表现为双高平行线。这时候得回头检查原始特征分布、缺失比例、甚至目标变量是否被错误编码。曲线只是镜子，照出问题，不负责诊断。
