机器学习中的标准差，准确率如何界定

Question

在做例如多项式线性回归的任务中，通过画出不同数据量情况下训练集和验证集的标准误差来看其变化情况，一般来说最后都趋近于一个值，比如是1或1.5（当然可以通过比较两者标准差大小来判断谁更优），但是如何界定这个标准差是大还是小，也就是说我怎么判断1就是最佳，如下图

有的例子里面y轴表示的是accuracy，那么准确性又如何定义，如下图

Answer 1

你给的图是纵轴是，RMSE，也就是评价loss的一种，希望是越低越好。需要在验证集上达到最低值的时候取得的参数形成的function

按你的描述肯定是趋近于1的时候好