吴恩达机器学习--正则化（4）

1 过拟合

（1）回归中的过拟合

第一个模型是欠拟合，不能很好地适应训练集；第三个模型用四次方进行拟合，过于强调拟合原始数据，而丢失了预测新数据的能力。而中间的模型似乎最合适。

（2）分类问题中的过拟合

? 的次数越高，拟合的越好，但相应的预测的能力就可能变差。

（3）如何处理过拟合

1）丢弃一些不能正确预测的特征。可以是手工选择保留哪些特征，或者使用一
些模型选择的算法来帮忙（例如PCA）
2）正则化。 保留所有的特征，但是减少参数的大小（magnitude）。

2. 代价函数