Machine_Learning（第七章）

logistic 迴歸 假設函數 決策邊界：假設本身和參數的屬性，不是訓練集的屬性 代價函數 簡化的代價函數 梯度下降算法 多分類問題 欠擬合：沒有很好的擬合訓練數據 過擬合：假設函數能擬合幾乎所有數據，但函數可能太過龐大，變量太多 正則化：避免過擬合 線性迴歸的正則化 正則化梯度下降 正則化正規方程 邏輯迴歸的正則化 正則化梯度下降

>>阅读原文<<