学习曲线
本节我们学习在高偏差和高方差的情况下，增加数据的个数能否有效的改进算法误差。
当训练集的个数很少时，你会发现数据很好用一条线来拟合，所以误差很小，当训练集的个数越来越多时，用一条线越来越难拟合所有的数据，所以误差越来越大。
但反之，当训练集个数越多，越具有泛化作用，验证集的误差越小，当训练集的数据较少时，泛化性差，验证集误差很大。
在高偏差的情况下，想通过增加训练集的个数来改进算法，结果发现是不可取的。
在高方差的情况下，想通过增加训练集的个数来改进算法，结果发现是可取的。
本章总结：
1、我们可能尝试着去获取更多的训练集，认为只要获取两倍甚至10倍的训练集就可以得到准确的结果-------高方差问题
2、我们尝试着去减少特征的个数，从而避免过拟合的结果-------高方差问题
3、增加特征的个数-------高偏差问题
4、我们也可能会尝试增加多项式特征的方法，比如x1的平方、x2的平方-------高偏差问题
5、减小正则化参数-------高偏差问题
6、增加正则化参数-------高方差问题