機器學習筆記（3）--正則化 --基於吳恩達機器學習配套筆記

正常情況下的邏輯迴歸與線性迴歸的結果表示 而 通過特徵映射將原來低維的數據拓展到高維後 原直線的模型就能適應曲線模型，但在不做任何處理+訓練數據較少的情況下曲線可能過擬合。 直觀形象上就是曲線歪歪扭扭，強行符合訓練集，而一般應用到測試集以及實際使用中效果奇差： 因此使用正則化的思想，其主要考量就是將各個維度的theta參數限定在比較小的值上，處理後的結果曲線能變得緩和。既保留了曲線的弧度，又不至於

>>阅读原文<<