机器学习之正则化

出现了过拟合，那么怎么样来解决呢？

上面的回归问题可以看出，出现的过拟合往往是由那些高次项导致的，可以考虑减少这些高次项的系数。所以，要做的就是一定程度上减少这些参数theta的值。这就是正则化的基本方法。

经过正则化处理后，如下：

这里选择过大的lamda，得到的可能是一条平行于x轴的直线。导致欠拟合。
例子：正则化线性回归


正则化一般不对theta0进行惩罚

出现过拟合和欠拟合的状况下代表了什么。以及找到最好的模型参数。即相交的那个点，均方误差最低。