概率解釋·局部加權迴歸·Logistic迴歸

欠擬合與過擬合 假設一種情況，根據x預測y (a):使用y=θ0+θ1x1y=θ0+θ1x1去匹配數據，過於擬合數據，喪失了預測性。 所以(a)代表了欠擬合(underfitting)，(c)代表了過擬合(overfitting)，這也說明了在監督學習中特徵的選擇會對學習算法的性能產生很大的影響。 參數化與非參數化 參數學習算法 Parametric Learning algorithm 始終由固

>>阅读原文<<