吴恩达机器学习笔记--第三周-4.解决过拟合问题
week3-4.Solving the Problem of Overfitting
一、The Problem of Overfitting
underfitting=high bias;overfitting=high variance。
避免过拟合的方法:
二、Cost Function
在代价函数J中对每个参数theta加入正则化项(罚函数),从而使所有的参数变小。
但是不对theta0增加正则化项。
若正则化项中的系数lambda(又称为regularization parameter)过大,则会使所有参数都变得非常小,会出现欠拟合的情况。
三、Regularized Linear Regression
梯度下降公式改写后,变成最后一行的形式,其中1-alpha*lambda/m吧theta_j向0的方向压缩(如theta_j变为0.99theta_j)。负号后的一项与原来的梯度下降公式相同,相当于对0.99theta_j进行梯度下降计算。
将正则化项应用到正规方程中: