个人机器学习之路 第六关

6、正则化 1.过拟合问题 为了拟合数据，在假设函数中设置了过多的变量，可使 J(θ)接近于0，但模拟出来的曲线为非凸曲线，不能更好的泛 化到新样本中 2.解决过拟合的方法： 减小变量数 正则化 3.正则化 当假设函数过拟合时，为了使曲线更光滑，在J(θ)中加上 一个正则化项： λ/(2m)*∑θi^2 (约定θi从θ1开始) 这样能够将全部的θ进行缩小 （1）正则化线性回归 代价函数：

>>阅读原文<<