Validation 如何从交叉验证的数据中创建学习曲线？

我有一个使用10倍交叉验证的算法。在训练集中，我使用其中一个折叠来验证训练模型，然后将学习到的模型放在折叠上进行测试

---

我想创建一个学习曲线，这意味着我需要改变训练集的大小。这是否意味着我还可以随培训数据改变验证集的大小？这是否意味着我也需要更改测试集的大小（除了训练和验证折叠之外的折叠集）？

10倍交叉验证将标记数据的训练集划分为10个大小相等的子集。其中9个子集被合并到新的训练集中，剩下的1个子集用于验证/测试，即模型在原始训练集中的90%上进行训练，在10%上进行测试

这将在10个子集中的每个子集中重复执行10次（折叠），因此每个子集中都用于测试。在每次迭代中执行测试的性能度量，在所有迭代完成后，计算平均值

没有所谓的“训练折叠”或“测试折叠”，折叠是过程的迭代。在这个过程中也没有保留子集，所有子集都在每次迭代中使用

---

要创建您正在谈论的学习曲线，您只需改变原始训练集的大小，并让10倍交叉验证过程按原样运行即可。原始培训集中的记录数是您对培训集大小的度量，性能是交叉验证完成时给定的平均值。

您能澄清第一段吗？10倍CV包括将数据分成10个大致相等的部分。9号训练，10号测试。您似乎预留了2倍？验证集是优化（超）参数的集合，例如，SVM的C；测试集是评估模型性能的集合。你打算优化参数并在同一组上测试模型吗？@NikitaAstrakhantsev我想你是对的，当使用我想要的含义（编辑）时，说“测试集”而不是“验证集”更正确。我只提到使用简历进行绩效验证。有些算法不需要参数调整，但在这种情况下（如支持向量机和神经网络），通常将测试集划分为验证和测试部分。