吴恩达老师的机器学习教程笔记

减少误差的一些方法

1. 获得更多的训练实例——解决高方差
2. 尝试减少特征的数量——解决高方差
3. 尝试获得更多的特征——解决高偏差
4. 尝试增加多项式特征——解决高偏差
5. 尝试减少正则化程度 λ——解决高偏差
6. 尝试增加正则化程度 λ——解决高方差

什么是欠拟合？什么是过拟合？

欠拟合：在训练集上存在较大误差
过拟合：在训练集上误差较小，在测试集（实际使用）上误差较大

如何计算？
将数据集分为70%训练集，30%测试集。
在训练集上进行训练，在测试集上计算误差。

对于线性回归模型：利用测试集计算误差
对于逻辑回归模型：利用测试集计算误差、还要计算误分类比率（错误分类占总分类的比率）

多模型选择

假设有多个不同次数的二项式模型等待选择：

将训练集分为训练集60%，交叉验证集20%，测试集20%
模型选择的方法为：

1. 使用训练集训练出 10 个模型
2. 用 10 个模型分别对交叉验证集计算得出交叉验证误差（代价函数的值）
3. 选取代价函数值最小的模型
4. 用步骤 3 中选出的模型对测试集计算得出推广误差（代价函数的值）

判断欠拟合和过拟合

1. 训练集误差和交叉验证集误差近似时：偏差/欠拟合
2. 交叉验证集误差远大于训练集误差时：方差/过拟合

正则化方法来防止过拟合

在我们在训练模型的过程中，一般会使用一些正则化方法来防止过拟合。但是我们可能会正则化的程度太高或太小了，即我们在选择 λ 的值时也需要思考与刚才选择多项式模型次数类似的问题。

我们选择一系列的想要测试的 𝜆 值，通常是 0-10 之间的呈现 2 倍关系的值（如：0,0.01,0.02,0.04,0.08,0.15,0.32,0.64,1.28,2.56,5.12,10共 12 个）。我们同样把数据分为训练集、交叉验证集和测试集。

选择𝜆的方法为：
1.使用训练集训练出 12 个不同程度正则化的模型
2.用 12 个模型分别对交叉验证集计算的出交叉验证误差
3.选择得出交叉验证误差最小的模型
4.运用步骤 3 中选出模型对测试集计算得出推广误差，我们也可以同时将训练集和交叉验证集模型的代价函数误差与 λ 的值绘制在一张图表上：

1.当 𝜆 较小时，训练集误差较小（过拟合）而交叉验证集误差较大
2.𝜆 的增加，训练集误差不断增加（欠拟合），而交叉验证集误差则是先减小后增加

学习曲线

欠拟合状态：

随着训练集加入更多的数据，绘制误差，发现增加数据并不能减少误差。

过拟合状态：

欠拟合状态，随着测试集的增加，可以减少误差。