吴恩达机器学习之正则化

机器学习中在测试数据集上表现良好的能力被称为泛化，机器学习的目标是泛化误差足够低。 训练过程，主要有2个挑战。欠拟合，指模型不能在训练集上获得足够低的误差。过拟合，指训练误差和测试误差之间的差距过大，即训练集表现很好，但泛化能力较差。通常假设函数参数过多，易导致过拟合。下图是线性回归中欠拟合，过拟合例子。 数据集符合一元二次方程，如中间的图。但用直线拟合，就会出现左图欠拟合；用4次方程拟合，就会出

>>阅读原文<<