Coursera machine learning week 6(一)

機器學習第六週主要講當在新的測試集上測試假設函數時，發現預測的誤差很大時該怎麼解決的問題。 主要用機器學習診斷法去提升算法性能，雖然這個過程要花時間，但是會提高效率。首先通過將數據集分爲訓練集和測試集來評估假設函數，但此時會有一個問題，如果知道模型的泛化能力？因此需要將數據集分爲訓練集、交叉驗證集、測試集，一般來說訓練集佔60%，交叉驗證集產20%，測試集佔20%。假設我們有10個多項式迴歸模型，

>>阅读原文<<