1
Amy 原创整理｜资料核验：2026-10-31
【文档事实】scikit-learn 的 validation_curve 用于比较指定参数不同取值下的训练分数和测试折分数。param_name 指定要变化的参数，param_range 给出候选值；每次验证会克隆估计器。
它类似只改变一个参数的网格比较，并额外计算训练分数，主要方便绘制验证曲线。不能把调用它等同于已经完成多参数搜索或获得一个自动选好的最终模型。
【教学示例】想观察决策树深度的影响，可固定其他设置，令 max_depth 依次取几个候选值，再看训练分数与交叉验证分数如何变化。这里是实验设计示例，没有提供实际跑出的分数或最优深度。
【Amy 的建议】先确定评价指标与数据划分，再比较各折分数及其波动。图上最高的一点应结合差异大小和模型复杂度考虑，不能只看一条训练曲线，也不要把反复用来选择参数的数据称作完全独立的最终测试集。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.validation_curve.html