【機器學習筆記】正則化

正則化 1、過擬合 第一張圖稱爲 「欠擬合」（高偏差），就是學的不夠好，和實際相差比較遠。 第二場圖是剛好擬合，且曲線平滑，認爲是比較理想的模型。 第三張圖稱爲 「過擬合」（高方差），就是學的太好，以致於曲線過於扭曲。 過擬合的出現是由於變量太多（特徵太多），樣本數太少，在計算loss時，loss近似等於0，此時模型能夠很好的擬合訓練樣本，但無法對新的樣本由很好的泛化能力。 2、如何解決過擬合 減

>>阅读原文<<