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:


四、Regularizedd Logistic Regression


  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值