斯坦福大學公開課機器學習課程（Andrew Ng）三欠擬合與過擬合

概要 本節課的主要內容有： 1、欠擬合與過擬合 2、  局部加權迴歸 3、   最小二乘法的概率解釋 4、  Logistic迴歸 5、  感知器算法 一、欠擬合與過擬合        在機器學習中，通常需要選擇某種算法來對數據進行預測，而過擬合與欠擬合就是描述對數據的預測與真實數據之間的擬合程度。 例如上次課的例子中，用x1表示房間大小。通過線性迴歸，在橫軸爲房間大小，縱軸爲價格的圖中，畫出擬合

>>阅读原文<<