機器學習（五）——正規化

目錄   一、前言 二、過擬合 三、代價函數： 四、線性迴歸正則化 1、梯度下降   2、正規方程 五、Logistic迴歸正規化   一、前言 吳恩達機器學習第八章——正規化 筆記 所有圖片與例子均來自吳恩達視頻課   二、過擬合   欠擬合：指模型學習較弱，而數據複雜度較高的情況，此時模型由於學習能力不足，無法學習到數據集中的「一般規律」，因而導致泛化能力弱。 過擬合：值模型學習能力過強的情況

>>阅读原文<<