在对数据进行拟合，学习模型的过程中，会出现以下情况：

1）high variance, overfitting.过拟合

2）high bias, underfiiting.欠拟合

过拟合出现的原因

1）太多的特征。

2）过少的训练数据。

如何解决？

1）减少特征数

2）模型选择算法（model selection algorithm）

3）正则化：保留特征参数，但尽可能减小其幅值为0。

 

lambuda为正则化参数：看做是一个tradeoff。用于平衡以下两项

1）更好的适应模型

2）将特征的系数尽可能变小

此参数过大，则会出现underfitting. 过小则会出现overfitting.

如何选择正则化参数？后续章节将会论述。