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

>>阅读原文<<