kriging - 为什么克里金法的 RMSE 不会随着训练数据的增加而严格降低？

Question

我正在使用 gstat 包进行普通克里金法并使用 walker Lake 数据（数据大小 = 470）。我在每次试验中从该数据中随机抽取 20 个，并计算从 50-450 个数据集中随机选择的训练数据集的 rmse。然后我计算了每个数据集的平均值。结果如下——

trial Index        training points        avg. rmse
--------------------------------------------------------
1                  50                     43.5936
2                  100                    40.3413
3                  150                    34.8842
4                  200                    28.1230
5                  250                    28.3111
6                  300                    30.9915
7                  350                    30.8903
8                  400                    28.3148
9                  450                    28.9578

我的问题是：

1) 为什么 RMSE 是波浪形的。为什么在增加训练数据的同时它并不总是减少？

2）这是否意味着，我们不需要用于克里金的大型数据集，因为当训练数据集为 200 时，RMSE 最低。

等待回复。