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):