目录
1.2 、解决方法 — Feature Mapping for Polynomial Regression
一、高偏差(欠拟合)(high bias)
1.1、表现
% 1.1、无正则化的线性回归的模型
lambda = 0;
[theta] = trainLinearReg([ones(m, 1) X], y, lambda);
% 1.2、无正则化的线性回归的学习情况
[error_train, error_val] = ...
learningCurve([ones(m, 1) X], y, ...
[ones(size(Xval, 1), 1) Xval], yval, ...
lambda);
- 左图可以看出回归效果不好,偏差大,模型过于简单,不能反映实际情况,由右图看出,此时增加样本容量,交叉训练误差和训练误差慢慢接近,两者都挺大的。故高偏差的情况下增加样本容量并不能降低偏差,提高效率。
1.2 、解决方法 — Feature Mapping for Polynomial Regression
- 通过对Feature处理,增加非线性项,使得模型可以更加精确(复杂)
- 对数据分为训练集、测试集、交叉验证集
lambda = 0;
[theta] = trainLinearReg(X_poly, y, lambda);
[error_train,error_test ,error_val] = ...
learningCurve2(X_poly, y, X_poly_val, yval,X_poly_test, ytest,lambda);
% Plot training data and fit
figure,