吴恩达机器学习（五）—— 正则化

正则化 1. 过拟合的问题 2. 代价函数 3. 线性回归的正则化 4. Logistic回归的正则化 正则化         机器学习中的正则化是一种为了减小测试误差的行为。我们在搭建机器学习模型时，最终目的是让模型在面对新数据的时候，可以有很好的表现。当用比较复杂的模型（比如神经网络）去拟合数据时，很容易出现过拟合现象，这会导致模型的泛化能力下降，这时候我们就需要使用正则化技术去降低模型的复杂

>>阅读原文<<