验证曲线是调节学习器的参数的，学习曲线是用来调节训练样本大小的。
从理论上来讲，如果数据“同质”，当数据量到达一定程度时，学习器可以学到所有的“特征”，继续增加样本没有作用。
那么到底多少样本是合适的呢？
做个实验
逐渐增大训练样本量，同时判断训练集和测试集的准确率，看看会发生什么
1. 首先从训练集中拿出1个数据，训练模型，然后在该训练集（1个）和测试集上检验，发现在训练集上误差为0，在测试集上误差很大
2. 然后从训练集中拿出10个数据，训练模型，然后在该训练集（10个）和测试集上检验，发现在训练集上误差增大，在测试集上误差减小
3. 依次…
4. 直到拿出整个训练集，发现模型在训练集上误差越来越大，在测试集上误差越来越小
如图
把训练集大小作为x，误差作为y
训练集误差逐渐增大，测试集误差逐渐减小。
那必然相交或者有个最小距离，此时继续增加样本已然无用，此时模型已无法从样本上学到任何新的东西。
示例代码
输出
事实上，数据“同质”的可能性很小，所以数据量越大越好。
感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。
因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。