吳恩達機器學習之正則化

機器學習中在測試數據集上表現良好的能力被稱爲泛化，機器學習的目標是泛化誤差足夠低。 訓練過程，主要有2個挑戰。欠擬合，指模型不能在訓練集上獲得足夠低的誤差。過擬合，指訓練誤差和測試誤差之間的差距過大，即訓練集表現很好，但泛化能力較差。通常假設函數參數過多，易導致過擬合。下圖是線性迴歸中欠擬合，過擬合例子。 數據集符合一元二次方程，如中間的圖。但用直線擬合，就會出現左圖欠擬合；用4次方程擬合，就會出

>>阅读原文<<