机器学习入门笔记(五)----过拟合问题
上右边的图像，展示过拟合的情况。
过拟合问题，解决方法：
1.减少特征数量
2.正规化：保留所有特征，弱化特征参数。
正规化(regularization):
代价函数:
1.线性回归：
（1）梯度下降
对theta0不惩罚，其余theta引入正规化参数lamada。
（2） 方程法：
2.逻辑回归
与线性回归相同，加入theta惩罚项。
偏导（可用于梯度下降和Advanced optimization）:
上右边的图像，展示过拟合的情况。
过拟合问题，解决方法：
1.减少特征数量
2.正规化：保留所有特征，弱化特征参数。
正规化(regularization):
代价函数:
1.线性回归：
（1）梯度下降
对theta0不惩罚，其余theta引入正规化参数lamada。
（2） 方程法：
2.逻辑回归
与线性回归相同，加入theta惩罚项。
偏导（可用于梯度下降和Advanced optimization）: