8_多项式回归及模型泛化(Polynomial Regression and Model Generalization)
在这一章,我们将接触非线性问题。我们将学习多项式回归的思想,使用线性回归的思路来解决非线性问题。
进一步,我们将引申出或许是机器学习领域最重要的一个问题:模型泛化问题。
我们将深入探讨什么是欠拟合,什么是过拟合,怎样检测欠拟合和过拟合。什么是交叉验证,什么是模型正则化。听起来拗口的Ridge和Lasso都是什么鬼…
8-1 什么是多项式回归
8-2 scikit-learn中的多项式回归与Pipeline
8-3 过拟合与欠拟合
8-4 为什么要有训练数据集与测试数据集
8-5 学习曲线
8-6 验证数据集与交叉验证
8-8 模型泛化与岭回归
总结:模型正则化让模型的泛化能力大大提高,其背后的原理是 由于过拟合的模型系数太大,加入一项附加项,让MSE部分的系数可以小一些。
8-9 LASSO
8-10 L1, L2和弹性网络