Machine Learning Andrew Ng -7. Regularization

7.1 The problem of over-fitting

What is overfitting problem?

在这里插入图片描述

generalize 泛化 :一个假设模型应用到新样本的能力

在这里插入图片描述

如何解决过度拟合?

在这里插入图片描述

在这里插入图片描述

7.2 Cost function

在这里插入图片描述
在这里插入图片描述

一般只对 θ 1 , θ 2 , . . . , θ n \theta_1,\theta_2,...,\theta_{n} θ1,θ2,...,θn进行正则化

在这里插入图片描述

缩小参数 θ \theta θ

如果正则化参数 λ \lambda λ选的过大,则会出现下图所示欠拟合的情况

在这里插入图片描述

如何选择正则化参数?

应用到 linear regression and logistic regression?

7.3 Regularized linear regression

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

7.4 Regularized logistic regression

如何改进梯度下降和其他高效算法使其应用到正则化逻辑回归中?

在这里插入图片描述
在这里插入图片描述
其中,逻辑回归的梯度下降法的迭代方式与线性回归看似相同,但实际上二者的 h θ ( x ) h_\theta(x) hθ(x) 不同,因此是两种完全不同的方法。

在这里插入图片描述

老师说,学到这里,你已经比很多硅谷工程师强了(信了老师的鬼话哦つ﹏⊂

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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