摘要：
过拟合：如果我们有非常多的特征，我们通过学习得到的假设可能能够非常好地适应训练集（代价函数可能几乎为0），但是可能会不能推广到新的数据。不能很好的预测新数据。 出现过拟合问题时的处理办法： 丢弃一些不能帮助我们正确预测的特征。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） 阅读全文
摘要：
多类别分类时，用到了逻辑回归算法。 将多个类中的其中一个类标记为正向类（y=1），将其他所有类标记为负向类，通过这两个类训练一个标准的逻辑回归分类器，得到一个分类机。这个模型记为hθ(1)(x)。接着再将其中另一个类记为正向类（y=2），将其他所有类标记为负向类，得到分类机hθ(2)(x)。依此类推 阅读全文