機器學習基礎 - [第四章：正則化]（1）過擬合問題

1、什麼是過擬合？ 過擬合問題：由於我們有大量的特徵，學習到的假設函數能夠很好的擬合訓練集（即代價函數能最小化到趨近0： m i n i m i z e θ J ( θ ) → 0 minimize_{\theta}J(\theta)\rightarrow0 minimizeθ​J(θ)→0），但是假設函數卻很難泛化新樣本。 下面兩個圖分別是線性迴歸和邏輯迴歸針對同一個數據集的三個不同假設函數，從

>>阅读原文<<