机器学习基础 - [第四章：正则化]（1）过拟合问题

1、什么是过拟合？ 过拟合问题：由于我们有大量的特征，学习到的假设函数能够很好的拟合训练集（即代价函数能最小化到趋近0： m i n i m i z e θ J ( θ ) → 0 minimize_{\theta}J(\theta)\rightarrow0 minimizeθ​J(θ)→0），但是假设函数却很难泛化新样本。 下面两个图分别是线性回归和逻辑回归针对同一个数据集的三个不同假设函数，从

>>阅读原文<<