机器学习笔记4——过拟合与正则化

关键字：正则化参数 前言：有关代价函数，在笔记2和3逻辑回归和线性回归里面已经提到过。这里就不再过多介绍。 一、定义 因为训练模型中有些数据本来就有误差，所以不必把每个数据都考虑进去。 如果真的完全拟合到每一个数据，那么模型会变得很奇怪，导致新的预测数据来时，对应的预测值往往显然错误。这个现象就是过拟合。与过拟合相对的是欠拟合，这个模型就是非常简单的那种，导致连最基本的训练数据都训练不好。 二、过

>>阅读原文<<