机器学习之正则化（机器学习基石）

正则化的目标 在机器学习问题中有时会由于资料量太少、有杂讯或者是学习模型的复杂度太高会导致一种Ein≈0（样本内的错误率）但是Eout（实际估计中的错误率）很高的现象这种现象就叫过拟合（详情请点击打开链接了解过拟合）。正则化的目标就是要优化这种过拟合的现象，而且正则化是通过降低模型复杂度来解决过拟合的。直观的理解如下图： 正则化的前置步骤 前提说明：在以下的案例中所有的模型都经过了特征转换，都转换

>>阅读原文<<