知识点三:多项式与正则化
使用多项式拟合的时候,如果多项式最高次项比较大,模型就容易出现过拟合。正则化是一种常见的防止过拟合的方法,一般原理是在代价函数后面加上一个对参数的约束项,这个约束项被叫做正则化项(regularizer)。在线性回归模型中,通常有两种不同的正则化项:
(1)加上所有参数(不包括θ0)的绝对值之和,即l1范数,此时叫做Lasso回归加粗样式;
(2)加上所有参数(不包括θ0)的平方和,即l2范数,此时叫做岭回归
注意:在这里引出了两个名词:代价函数,线性回归,见下一节。