机器学习（回归四）——线性回归-正则化

上篇博客是针对普通线性回归每每存在欠拟合的状况，采用多项式扩展的方式，从而映射到多维空间来拟合。多项式扩展的时候，若是指定的阶数比较大，那么有可能致使过拟合。也就是模型太契合训练数据了。数据上表现就是参数过多、过大。过拟合在实际机器学习应用中是广泛存在的。html 正则化的引入 对于前面提到的目标函数： J ( θ ) = 1 2 ∑ i = 1 m ( h θ ( x ( i ) ) − y (

>>阅读原文<<