Coursera机器学习第三周Regularization练习题

为什么要特别拿出来说这周呢？因为自己在做复选题时感觉只有一个答案正确，但他是多选题，所以试错了两次后，终于在第三次错了要等8小时的恐惧下使用了百度，然后发现是单选....

因为coursera经常会调整选项顺序和答案内容，比如这周第一题，所以建议各位不要抄答案，理解了再去做。

然后上结果，先证明自己是对的，这下你们就可以听我胡说了，23333.

第一题

第一个选项：加入一个新特征总可以使样本而非训练集表现更好或相同。但童鞋你要知道你是在拟合训练集啊，所以应该是训练集更好而非样本。

第二个选项：给模型引入正则化总会在样本而非训练集上表现更好或相同，但是你要知道太大就成直线了，那是欠拟合啊。

第三个选项：同上。

第四个选项：加入更多特征确实是会导致过拟合。

 

第二题，因为最后会引入正则化项，正则化参数越大，系数就会越小，所以从0到1，我们只要找最小的就可以了

第三题：

第一个选项：因为逻辑回归输出范围在[0,1]中，无论如何，正则化只能稍微收缩一下它的范围，所以正则化通常是没用的，抱歉，正则化解决的是过拟合问题，而且收缩的是也不是输出。

第二个选项：用一个大的会导致过拟合，可以通过减小来解决。抱歉，如果是欠拟合就对了。

第三个选项：考虑一个分类问题，正则化可能会使分类错误。对呀，如果太大不就分类错了。

第四个选项：使用一个非常大的会损害你的假设模型，我们不把它设的很多的唯一原因是避免数值问题。（可以理解为计算量大引发的计算复杂问题），同上，因为可能欠拟合。