吴恩达coursera机器学习个人向笔记——8章正则化

该篇博客主要讲解了吴恩达机器学习课程中关于过拟合的问题和正则化的概念。过拟合表现为模型在训练数据上表现良好,但在新数据上泛化能力差。解决过拟合的方法包括减少特征数量和使用正则化。正则化通过添加惩罚项使模型参数变小,防止模型复杂度过高。在正则化线性回归中,梯度下降和正规方程被用来求解最小化带正则化的代价函数。此外,逻辑回归的正则化与线性回归类似,也是在损失函数中添加正则化项。
摘要由CSDN通过智能技术生成

课时55过拟合问题09:42

在这里插入图片描述
1欠拟合:高偏差,有偏见,枉顾数据强行认为是线性
3过拟合:不停上下波动 算法具有“高方差”,难以泛化
在这里插入图片描述
逻辑回归的欠合适过拟合
后面讲到调试和诊断导致算法出错时,会讲专门工具识别是否过拟合欠拟合

一二维数据可以画图来判断拟合几次多项式—画图是一个方法
缺点:很多变量时画图难、通过可视化来判断保留哪些特征也难。
如果特征多而数据少就会过拟合。

解决办法:
减少特征数量:人工观察
缺点:舍弃变量也可能舍弃信息
正则化:保留所有特征,但减少量级或者参数大小

课时56代价函数10:10

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