机器学习(五)——正规化

目录   一、前言 二、过拟合 三、代价函数: 四、线性回归正则化 1、梯度下降   2、正规方程 五、Logistic回归正规化   一、前言 吴恩达机器学习第八章——正规化 笔记 所有图片与例子均来自吴恩达视频课   二、过拟合   欠拟合:指模型学习较弱,而数据复杂度较高的情况,此时模型由于学习能力不足,无法学习到数据集中的“一般规律”,因而导致泛化能力弱。 过拟合:值模型学习能力过强的情况
相关文章
相关标签/搜索