【機器學習課程-華盛頓大學】：2 迴歸 2.4 嶺迴歸Ridge Regression

低複雜度模型有：高偏差，低方差；高複雜度模型有：低偏差，高方差。 爲了在偏差和方差之間取得平衡，我們來看一種解決方法：嶺迴歸 Ridge Regression嶺迴歸：一種當使用多特徵時的控制過擬合的方法   一、引入Ridge Regression的背景 1、多項式迴歸的過擬合： 高階多項式： 過擬合的一個典型症狀：w參數值很大   2、線性迴歸模型的過擬合更常見： （1）特徵維度：特徵維度對擬合

>>阅读原文<<