【机器学习笔记3.1】线性模型正则化

过拟合问题描述 在机器学习应用时，会遇到过拟合(over-fitting)问题，本文将介绍一种被称为正则化(regularization)的技术，它可以有效改善或者减少过拟合问题[1]。 如果我们有非常多的特征，我们通过学习得到的假设可能能够非常好地适应训练集（代价函数可能几乎为0），但是可能会无法推广到新的数据，也就是泛化能力比较差。 下图是一个回归问题的例子： 下图是分类问题的例子： 就以多项

>>阅读原文<<