如何将这类信息可视化

Question

我正在训练一个逻辑回归算法，它为每次迭代返回以下信息。我收集这些实体作为整个分类的数组。

你能给我一些可视化的方法吗？例如，绘制损失与准确性的关系是否合适？或者我应该使用哪种图形类型？

***** Iteration #74 *****
Loss: 170.07
Feature L2-norm: 12.5714
Learning rate (eta): 0.00778819
Total number of feature updates: 236800
Loss variance: 5.01839
Seconds required for this iteration: 0.01
Accuracy: 0.9800 (784/800)
Micro P, R, F1: 0.9771 (384/393), 0.9821 (384/391), 0.9796

***** Iteration #75 *****
Loss: 166.81
Feature L2-norm: 12.4385
Learning rate (eta): 0.00769234
Total number of feature updates: 240000
Loss variance: 4.68113
Seconds required for this iteration: 0.01
Accuracy: 0.9800 (784/800)
Micro P, R, F1: 0.9771 (384/393), 0.9821 (384/391), 0.9796

Answer 1

1. 对于您自己的分析，您应该绘制准确性与时间的关系图，以便您知道何时开始过拟合。
2. 要发布，您可以选择其他人报告的指标，以便与它们进行比较。

Answer 2

我认为你不应该把这些信息形象化。所有你能看到的是L2范数随着时间的推移而减少(因为它是目标最小化函数)，并且准确度提高了。但由于F1如此之高，我认为它是对训练数据进行评估的指标。因此，我建议在测试数据(不用于训练的数据)上做Micro P，R，F1: 0.9771 (384/393)，0.9821 (384/391)，0.9796这样的报告，并创建迭代与F1的关系图。然后，您将看到何时在曲线图上开始逐个峰值地过拟合数据。