关于sklearn的model.fit方法返回值与过拟合判定的相关问题

问题1：通用sklearn方法model.fit(X, y)是否会返回模型在指定训练数据上的评分？ #

所有符合scikit-learn官方API规范的评估器（estimator）的fit()方法，只会返回完成训练后的模型实例本身，不会返回任何训练数据上的评分结果。
如果你需要获取模型在训练集上的性能得分，需要在fit()执行完成后，额外调用model.score(X_train, y_train)方法计算对应指标，分类模型默认返回准确率，回归模型默认返回R²系数。 #

问题2：使用更多训练数据训练模型时，模型在测试集上的性能出现下降，该情况是否属于过拟合？ #

这种情况不属于常规的过拟合现象。
过拟合的核心定义是模型过度拟合训练数据中的随机噪声、局部异常特征，最终表现为训练集性能很高、测试集性能远低于训练集的情况。常规场景下，增加训练数据量会给模型提供更多有效特征信息，抑制过拟合程度，测试集性能会呈现上升或收敛的趋势。
如果出现增加训练数据后测试集性能下降的情况，可优先排查以下常见原因：

• 新增训练数据存在质量问题：比如标注错误率高、数据分布与原有训练集/测试集存在明显偏移
• 训练不充分：数据量增大后，原有训练迭代次数、学习率等超参数不再适配，模型没有充分训练
• 测试集存在数据泄漏：之前小数据集训练时的测试集和原训练集存在样本重叠，之前的高性能本身是虚高结果
• 评估逻辑存在错误：两次测试的评估方式、指标计算逻辑、测试集样本范围不一致

内容的提问来源于stack exchange，提问作者freshman_2021