入門機器學習(九)--應用機器學習的建議

1. 評估假設函數(Evaluating Hypothesis Function) 在我們確定學習算法參數的時候，我們通常會選擇是訓練誤差最小化的參數。但是並不是訓練誤差越好效果就越好，因爲存在過擬合的問題。如下圖所示，該模型的訓練誤差很小，但是曲線過度擬合了訓練集的特徵，所以在其他新的數據集上的表現就會比較差。 但是我們怎麼樣去判斷一個模型是否過擬合呢？當然，我們可以像上面一樣繪製模型來判斷，但

>>阅读原文<<