Coursera machine learning week 6(一)

机器学习第六周主要讲当在新的测试集上测试假设函数时，发现预测的误差很大时该怎么解决的问题。 主要用机器学习诊断法去提升算法性能，虽然这个过程要花时间，但是会提高效率。首先通过将数据集分为训练集和测试集来评估假设函数，但此时会有一个问题，如果知道模型的泛化能力？因此需要将数据集分为训练集、交叉验证集、测试集，一般来说训练集占60%，交叉验证集产20%，测试集占20%。假设我们有10个多项式回归模型，

>>阅读原文<<