【机器学习笔记】正则化

正则化 1、过拟合 第一张图称为 “欠拟合”（高偏差），就是学的不够好，和实际相差比较远。 第二场图是刚好拟合，且曲线平滑，认为是比较理想的模型。 第三张图称为 “过拟合”（高方差），就是学的太好，以致于曲线过于扭曲。 过拟合的出现是由于变量太多（特征太多），样本数太少，在计算loss时，loss近似等于0，此时模型能够很好的拟合训练样本，但无法对新的样本由很好的泛化能力。 2、如何解决过拟合 减

>>阅读原文<<