标签：讲解 一个 png 结束 基础知识 能力 logs 人工智能 .com
---恢复内容开始---
学习正则化 一下知识需要全部掌握：
1.线性回归
2.逻辑回归
接下来的笔记中，将假设上面的基础知识全部掌握的程度讲解：
学习 正则化 首先 我们需要知道为什么学习正则化！ 无论是我们在进行线性拟合 还是逻辑拟合的时候，都会发生以下三种情况：
.
根据图可以看到3中情况，我们来说明以下这三种情况
1.欠拟合，这里拟合的一条 方程 看起来并没有更好的契合我们所给的训练集， 因此 这样的 一个方程 对我们之后 正常使用时 ， 预测产生的误差会非常之大
2.正好的拟合， 这个拟合 就看起来是恰到好处
3.过渡拟合，之后，我们用到的成品是用来预测数据的，这也是人工智能所实现的一种形式，如果过渡的拟合数据的话， 就会因为之后出现的我们做出的预测偏差放大
根据我们的数学经验可以得出 X 的 次数 越大，那么拟合程度也就越大 从而 预测的能力也就越差
就这样我们就将降低拟合度的问题 转换成了 让 X的次数变小 ，从而来达到降低拟合度的问题
因此我们的问题 最终转换为 正则化-->改善拟合度-->减少特征的次数（降低高次特征的权重）
以线性回归为例：
模型：
使高次的系数降低，高次项的权重减少，影响减少，过渡拟合的问题也就解决了
|
| 转化之后的代价函数
---恢复内容结束---
标签：讲解 一个 png 结束 基础知识 能力 logs 人工智能 .com
原文地址：http://www.cnblogs.com/gongjn01/p/7484211.html
