斯坦福大学公开课机器学习课程（Andrew Ng）三欠拟合与过拟合

概要 本节课的主要内容有： 1、欠拟合与过拟合 2、  局部加权回归 3、   最小二乘法的概率解释 4、  Logistic回归 5、  感知器算法 一、欠拟合与过拟合        在机器学习中，通常需要选择某种算法来对数据进行预测，而过拟合与欠拟合就是描述对数据的预测与真实数据之间的拟合程度。 例如上次课的例子中，用x1表示房间大小。通过线性回归，在横轴为房间大小，纵轴为价格的图中，画出拟合

>>阅读原文<<