概率解释·局部加权回归·Logistic回归

欠拟合与过拟合 假设一种情况，根据x预测y (a):使用y=θ0+θ1x1y=θ0+θ1x1去匹配数据，过于拟合数据，丧失了预测性。 所以(a)代表了欠拟合(underfitting)，(c)代表了过拟合(overfitting)，这也说明了在监督学习中特征的选择会对学习算法的性能产生很大的影响。 参数化与非参数化 参数学习算法 Parametric Learning algorithm 始终由固

>>阅读原文<<