2018年7月25日
机器学习基石(林轩田)学习笔记:Lecture 14 & Lecture 15
摘要： Lecture 14:Regularization Regularized Hypothesis Set 当训练样本数不够多，而假设函数次数比较高时，很容易发生过拟合，正则化的目的就是希望让高维的假设函数退化成低维的假设函数 如上图，高维假设函数的参数里，高阶项对应的参数(w3,...,w10)就都 阅读全文
posted @ 2018-07-25 16:02 YongkangZhang 阅读(230) 评论(0) 推荐(0) 编辑