Machine learning 增加较大数据集的MAE/MSE值

首先，我想道歉，如果这不是问这个问题的最佳地点。我有一个回归模型，根据11个输入预测葡萄酒的质量。目前我的模型有平均绝对误差和均方误差结果。 但是，我使用两个具有完全相同的输入和参数的数据集。一个数据集有1600个条目，另一个有5000个条目。我的问题是，对于较大的数据集，我的MAE和MSE值更差。我的模型是否应该在增加训练集的情况下具有更好的性能

我的模型是否应该在增加训练集的情况下具有更好的性能

简短回答：没有

详细回答：

总的来说，接受拥有更多数据的假设会给你带来更好的准确性，这是正确的思考方式。但更多的数据并不意味着你的模型变得更容易。它可能会变得更复杂。例如，您使用的是线性回归，但在某个时间点，您会意识到，使用更多数据时，回归似乎是一条指数曲线

---

您还需要检查新（更多）数据是否遵循原始分发。我的方法是，你用更多的数据重新训练你的模型，并把它看作一个新问题。

嗨，问这种问题的地方不对，你是对的，你应该在这里做：