思想：

# 1.現將所有樣本用交叉驗證方法或者（隨機抽樣方法) 得到 K對 訓練集-驗證集
# 2.依次對K個訓練集，拿出數量不斷增加的子集如m個，並在這些K*m個子集上訓練模型。
# 3.依次在對應訓練集子集、驗證集上計算得分。
# 4.對每種大小下的子集，計算K次訓練集得分均值和K次驗證集得分均值，共得到m對值。
# 5.繪制學習率曲線。x軸訓練集樣本量，y軸模型得分或預測準確率。

用到的方法：

learning_curve #直接得到1個模型在不同訓練集大小參數下：1.訓練集大小 2.訓練得分 3.測試得分

ShuffleSplit #實現交叉驗證、或 隨機抽樣劃分不同的訓練集合驗證集

plt.fill_between

python代碼：

import numpy as np  
from sklearn.model_selection import learning_curve, ShuffleSplit  
from sklearn.datasets import load_digits  
from sklearn.naive_bayes import GaussianNB  
from sklearn import svm  
import matplotlib.pyplot as plt  
def plot_learning_curve(estimator, title, X, y, ylim=None, cv=None,n_jobs=1, train_size=np.linspace(.1, 1.0, 5 )):  
    
 
if __name__ == ‘__main__‘:  
        plt.figure()  
        plt.title(title)  
        if ylim is not None:  
            plt.ylim(*ylim)  
        plt.xlabel(‘Training example‘)  
        plt.ylabel(‘score‘)  
        train_sizes, train_scores, test_scores = learning_curve(estimator, X, y, cv=cv, n_jobs=n_jobs, train_sizes=train_size)  
        train_scores_mean 
 
= np.mean(train_scores, axis=1)  
        train_scores_std = np.std(train_scores, axis=1)  
        test_scores_mean = np.mean(test_scores, axis=1)  
        test_scores_std = np.std(test_scores, axis=1)  
        plt.grid()#區域  
        plt.fill_between(train_sizes, train_scores_mean - train_scores_std,  
                         train_scores_mean + train_scores_std, alpha=0.1,  
                         color="r")  
        plt.fill_between(train_sizes, test_scores_mean - test_scores_std,  
                         test_scores_mean + test_scores_std, alpha=0.1,  
                         color="g")  
        plt.plot(train_sizes, train_scores_mean, ‘o-‘, color=‘r‘,  
                 label="Training score")  
        plt.plot(train_sizes, test_scores_mean,‘o-‘,color="g",  
                 label="Cross-validation score")  
        plt.legend(loc="best")  
        return plt  
digits = load_digits()  
X = digits.data  
y = digits.target  
cv = ShuffleSplit(n_splits=100, test_size=0.2, random_state=0)#切割100ci  
estimator = GaussianNB()  
title = "Learning Curves(naive_bayes)"  
plot_learning_curve(estimator, title, X, y, ylim=(0.7, 1.01), cv=cv, n_jobs=4)  


title = "Learning Curves(SVM,RBF kernel, $\gamma=0.001$)"  
cv = ShuffleSplit(n_splits=10, test_size=0.2, random_state=0)#交叉驗證傳入別的方法，而不是默認的k折交叉驗證  
estimator = svm.SVC(gamma=0.001)  
plot_learning_curve(estimator, title, X, y, (0.7, 1.01), cv=cv, n_jobs=4)  
plt.show() 

結果：

說明：

1. 貝葉斯模型上，訓練集規模達到1100時已經比較合適，太小的話會導致過擬合。。總的來看，該模型的準確率趨向於0.85

2. SVM模型上，訓練集規模到800時已經比較合適，太小的話會導致訓練集無代表性，對驗證集無預測能力。。。總的來看，該模型在這份數據上的表現比第一個好。

參考

http://www.360doc.com/content/18/0424/22/50223086_748481549.shtml

SKlearn庫學習曲線