摘要：
为什么要使用神经网络 在笔记三中，曾提到非线性拟合的问题。当时是通过构造特征向量，即由两个或以上的变量构造一个新的变量，增加$\theta$的维度，以拟合出更细腻的曲线。下面是课件中类似的例子： 可以看到，随着变量即数据集的维度增加，这种做法将会导致“维度灾难”，越来越不可行。就上述例子，以100维 阅读全文
摘要：
正则化 为什么要正则化 观察上图三个拟合曲线，我们可以得知：曲线一没有很好地分类；曲线三分类过于严格，以至于曲线过于复杂；曲线二是比较合适的分类曲线。 对两种特殊情况定义：图一是“欠拟合”(underfit)，图三是“过拟合”(overfit)。一般来说，我们加大特征向量$\theta$的维度，可以 阅读全文