斯坦福公開課《機器學習》筆記3——過擬合、避免過擬合的損失函數

1.過擬合（overfitting） 1）定義 過擬合：如果有很多特徵變量，則訓練出來的假設函數模型會對訓練樣本擬合的很好，但是對於新加入的數據，假設函數模型不能擬合的很好，又稱爲High Variance。 欠擬合：則是假設函數不能對訓練樣本進行很好的擬合，又稱爲High Bias。 2）如何處理過擬合： 1>減少特徵變量的數量（但是這樣也減小了數據的信息）  手動減小特徵變量數量 利用算法自動

>>阅读原文<<