Coursera機器學習課程筆記(4) Regularization

過擬合問題 若是咱們有很是多的特徵，咱們經過學習獲得的假設可能可以很是好地適應訓練集（代價函數可能幾乎爲 0），可是可能會不能推廣到新的數據。 web 分類問題中也存在這樣的問題： svg 就以多項式理解，x 的次數越高，擬合的越好，但相應的預測的能力就可能變差。 問題是，若是咱們發現了過擬合問題，應該如何處理？ 函數 代價函數 咱們能夠從以前的事例中看出，正是那些高次項致使了過擬合的產生，因此若

>>阅读原文<<