sklearn.learning_curve

学习曲线函数：

from sklearn.learning_curve import learning_curve

调用格式：

learning_curve(estimator, X, y, train_sizes=array([0.1, 0.325, 0.55, 0.775, 1. ]), cv=None, scoring=None, exploit_incremental_learning=False, n_jobs=1, pre_dispatch='all', verbose=0)　　

# exploit 开发，开拓　　incremental 增加的　　dispatch 派遣，分派　　verbose 冗长的

参数：

• estimator：分类器
• X：训练向量
• y：目标相对于X分类或者回归
• train_sizes：训练样本相对的或绝对的数字，这些量的样本将会生成learning curve。
• cv：确定交叉验证的分离策略（None：使用默认的3-fold cross-validation；integer：确定几折交叉验证）
• verbose：整型，可选择的。控制冗余：越高，有越多的信息。

返回值：

train_sizes_abs：生成learning curve的训练集的样本数。重复的输入会被删除。

train_scores：在训练集上的分数

test_scores：在测试集上的分数