個人機器學習之路 第六關

6、正則化 1.過擬合問題 爲了擬合數據，在假設函數中設置了過多的變量，可使 J(θ)接近於0，但模擬出來的曲線爲非凸曲線，不能更好的泛 化到新樣本中 2.解決過擬合的方法： 減小變量數 正則化 3.正則化 當假設函數過擬合時，爲了使曲線更光滑，在J(θ)中加上 一個正則化項： λ/(2m)*∑θi^2 (約定θi從θ1開始) 這樣能夠將全部的θ進行縮小 （1）正則化線性迴歸 代價函數：

>>阅读原文<<