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!