tensorflow 逻辑回归之解决欠拟合问题（二）

在第一部分中提到逻辑回归的欠拟合问题，本部分讲解解决欠拟合问题的方法及实现。

欠拟合问题之所以出现是因为特征维度过小，以至于假设函数不能足够的学习特征和标签之间的非线性关系。

所以解决思路是增加特征向量维度。可以按如下方式增加维度。

再把增维之后的特征向量输入到假设函数，进行拟合。

实现代码如下：

1 def expend(array):
2     sqrt_array = array ** 2
3     new_array = np.concatenate((array,sqrt_array),axis = 1)
4     return new_array

最后可视化拟合效果如下图所示。可见进行增维之后对第一部分的欠拟合问题进行了非常好的改善。

传送门：tensorflow 逻辑回归之解决欠拟合问题（一）https://www.cnblogs.com/zaodaxx/p/10268867.html

 

转载请注明出处！

转载于:https://www.cnblogs.com/zaodaxx/p/10268978.html