1⃣️高级优化
2⃣️多分类问题处理
3⃣️过度拟合
⬇️三种拟合情况
⚠️出现过拟合原因:特征变量过多
❗️引发问题:由于为了拟合训练集,变量过多,一旦数据集不够多,则无法对其函数进行很好的约束,且无法泛化到新的样本中就无法预测新样本的输出情况
Ps: 泛化:指一个假设模型应用到新样本的能力
💡解决泛化
1.尽量减少选取变量的数量(缺点:可能会筛掉有用信息)
2.正则化:可保留所有特征变量,减小量级or减小参数theta大小
1⃣️高级优化
2⃣️多分类问题处理
3⃣️过度拟合
⬇️三种拟合情况
⚠️出现过拟合原因:特征变量过多
❗️引发问题:由于为了拟合训练集,变量过多,一旦数据集不够多,则无法对其函数进行很好的约束,且无法泛化到新的样本中就无法预测新样本的输出情况
Ps: 泛化:指一个假设模型应用到新样本的能力
💡解决泛化
1.尽量减少选取变量的数量(缺点:可能会筛掉有用信息)
2.正则化:可保留所有特征变量,减小量级or减小参数theta大小