吴恩达机器学习笔记--第三周-4.解决过拟合问题

week3-4.Solving the Problem of Overfitting


一、The Problem of Overfitting

吴恩达机器学习笔记--第三周-4.解决过拟合问题_第1张图片

underfitting=high bias;overfitting=high variance。
吴恩达机器学习笔记--第三周-4.解决过拟合问题_第2张图片

避免过拟合的方法:
吴恩达机器学习笔记--第三周-4.解决过拟合问题_第3张图片

二、Cost Function

吴恩达机器学习笔记--第三周-4.解决过拟合问题_第4张图片

在代价函数J中对每个参数theta加入正则化项(罚函数),从而使所有的参数变小。
但是不对theta0增加正则化项。
吴恩达机器学习笔记--第三周-4.解决过拟合问题_第5张图片

若正则化项中的系数lambda(又称为regularization parameter)过大,则会使所有参数都变得非常小,会出现欠拟合的情况。

三、Regularized Linear Regression

吴恩达机器学习笔记--第三周-4.解决过拟合问题_第6张图片

梯度下降公式改写后,变成最后一行的形式,其中1-alpha*lambda/m吧theta_j向0的方向压缩(如theta_j变为0.99theta_j)。负号后的一项与原来的梯度下降公式相同,相当于对0.99theta_j进行梯度下降计算。
吴恩达机器学习笔记--第三周-4.解决过拟合问题_第7张图片
将正则化项应用到正规方程中:
吴恩达机器学习笔记--第三周-4.解决过拟合问题_第8张图片


四、Regularizedd Logistic Regression

吴恩达机器学习笔记--第三周-4.解决过拟合问题_第9张图片

你可能感兴趣的:(吴恩达machine,learning学习笔记,机器学习,machine,learning,吴恩达,过拟合,正则化)