吴恩达《机器学习》课程总结（7）正则化

7.1过拟合的问题

训练集表现良好，测试集表现差。鲁棒性差。以下是两个例子（一个是回归问题，一个是分类问题）

解决办法：

（1）丢弃一些不能帮助我们正确预测的特征。可以使用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（PCA）；

（2）正则化。保留素有的特征，但是减少参数的大小。

7.2代价函数

其中λ称为正则化参数。

经过正则化处理的模型和原模型的可能对比如如下：

不对θ₀正则化。

7.3正则化线性回归

对于j=1,2,3……有：

可以看出，正则化线性回归的梯度下降法的变化在于，每次都会在原有算法的更新规则的基础上令θ值减少了一个额外的值。

7.4正则化的逻辑回归模型