小闹钟的机器学习笔记（3）
本次学习内容为cs229第三节 欠拟合与过拟合 输入的特征由我们自行进行选择，并且对学习算法有着较大的影响。 在有n组训练样本的情况下，最多可以得到一个n-1次多项式。从完美拟合所有训练数据的意义上说，这个模型效果很好，但是并不具有实际意义。 选用多项式的次数过低称为欠拟合，过高称为过拟合。 欠拟合是指模型拟合程度不高，数据距离拟合曲线较远，或指模型没有很好地捕捉到数据特征，不能够很好地拟合数据。
相关文章
- 1. 小闹钟的机器学习笔记（4）
- 2. 小闹钟的机器学习笔记（5）
- 3. 小闹钟的机器学习笔记（6）
- 4. 小闹钟的机器学习笔记（2）
- 5. 小闹钟的机器学习笔记（7）
- 6. 小闹钟的机器学习笔记（9）
- 7. 机器学习-笔记3
- 8. 学习小笔记---机器学习
- 9. 机器学习笔记(3)——机器学习算法简介
- 10. SpringBoot学习小笔记（3）
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 小闹钟的机器学习笔记（4）
- 2. 小闹钟的机器学习笔记（5）
- 3. 小闹钟的机器学习笔记（6）
- 4. 小闹钟的机器学习笔记（2）
- 5. 小闹钟的机器学习笔记（7）
- 6. 小闹钟的机器学习笔记（9）
- 7. 机器学习-笔记3
- 8. 学习小笔记---机器学习
- 9. 机器学习笔记(3)——机器学习算法简介
- 10. SpringBoot学习小笔记（3）