[笔记]概率解释·局部加权回归·Logistic回归

欠拟合与过拟合 假设一种情况，根据x预测y (a):使用 y=θ0+θ1x1 去匹配数据，并不能很好地拟合。 (b):使用 y=θ0+θ1x1+θ2x2 去匹配数据，比较完美地拟合。 (c):使用 y=∑5j=0θjxj 去匹配数据，过于拟合数据，丧失了预测性。 所以(a)代表了欠拟合(underfitting)，(c)代表了过拟合(overfitting)，这也说明了在监督学习中特征的选择会对学

>>阅读原文<<