Coursera机器学习-Week 3-测验:Regularization

正则化方法：

J(θ)=12m[∑i=1m(hθ(x(i))−y(i))2+λ∑i=1nθ2j] J ( θ ) = 1 2 m [ ∑ i = 1 m ( h θ ( x ( i ) ) − y ( i ) ) 2 + λ ∑ i = 1 n θ j 2 ]

1

描述

解析

A、C A 、 C ，引入正则化方法并不能总取得好的结果，如果 λ λ 过大会导致过拟合，不管是对于 traing set t r a i n g   s e t 还是 exemples e x e m p l e s ，都会存在这种可能，所以不正确。
B、D B 、 D ，增加新的特征可以获得更好的拟合，但是并不能防止过拟合的发生，所以 B B 正确， D D 错误。
最后结果选 B B 。

2

描述

解析

引入正则化方法时， λ λ 值变大， θ θ 将会变小，如果 λ λ 非常大时， θi(i=1,2,3…)≈0 θ i ( i = 1 , 2 , 3 … ) ≈ 0 ，最后几乎只受 θ0 θ 0 影响，拟合出来的结果也会接近于一条直线，所以当 λ=1 λ = 1 时，应该选择 A A 。

3

描述

解析

A、B A 、 B ，当 λ λ 过大时，会导致 underfit u n d e r f i t ，最后拟合出来的接近于一条直线，所以错误。
C C ，当引入正则时，可以缓解 overfit o v e r f i t ，所以会导致分类器出现错误的分类， C C 正确。
D D ，正则化方法想要解决的问题是 overfit o v e r f i t ，所以 D D 错误。
最终答案 C C 。