学习曲线（learning curve）

学习曲线，是一张「模型表现如何随训练推进而变化」的图——它是机器学习中被盯得最多的诊断工具。它最常见的样子，是纵轴画损失（或准确率），横轴画训练时间，并且训练集和验证集各画一条。把这两条曲线放在一起读，你一眼就能看出训练是顺利、卡住，还是出了岔子，远在你白白耗掉几小时之前。

曲线的形状会讲故事。如果两条都下降并贴得很近地稳定下来，训练是健康的。如果训练那条一路下降，验证那条却走平、随后回升，你就跨进了过拟合——模型在死记。如果两条都高高地平在那里不肯降，你就是欠拟合——模型太弱，或学习率不对，或它还需要更多训练。一条参差不齐、向上爆炸的曲线，通常意味着学习率太高了。

还有第二种相关的含义：学习曲线也可以画「表现随训练数据量的变化」，把训练时间固定住。这个版本回答一个务实、省钱的问题——「再多收集些数据真的有用吗，还是我们已经到了那个点，多给样本几乎也撬不动指针了？」无论哪一种含义，学习曲线的价值都在于：它把一个看不见的过程，变成一张你能据以行动的图。