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

underfitting=high bias；overfitting=high variance。

避免过拟合的方法：

二、Cost Function

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。

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

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。

将正则化项应用到正规方程中：

四、Regularizedd Logistic Regression