陷入不歸路的調(diào)試

在線性回歸中，我們使用了如下的代價(jià)函數(shù)來(lái)評(píng)估預(yù)測(cè)誤差：

$$J(\theta )=\frac{1}{2m}[\sum _{i=1}^m(h_{\theta }(x^{(i)})?y^{(i)}{)}^2+\lambda \sum _{i=1}^m{\theta }_j^2]$$

想要降低預(yù)測(cè)誤差，即提高預(yù)測(cè)精度，我們往往會(huì)采用這些手段：

手段評(píng)價(jià)

采集更多的樣本	我們認(rèn)為見(jiàn)多識(shí)廣會(huì)讓人變得聰明，但是也會(huì)讓人變得優(yōu)柔寡斷，或者聰明反被聰明誤。
降低特征維度	也許被降掉的維度會(huì)是非常有用的知識(shí)。
采集更多的特征	增加了計(jì)算負(fù)擔(dān)，也可能導(dǎo)致過(guò)擬合。
進(jìn)行高次多項(xiàng)式回歸	可能造成過(guò)擬合。
調(diào)試正規(guī)化參數(shù) λ	這個(gè)調(diào)節(jié)策略缺乏指導(dǎo)，只能是猜測(cè)性調(diào)節(jié)。

可以看到，這些手段不總是那么美好，而且每個(gè)手段的嘗試都會(huì)花費(fèi)我們大量時(shí)間去調(diào)代碼，跑測(cè)試，也許還出力不討好。

總結(jié)

以上是生活随笔為你收集整理的4.1 陷入不归路的调试-机器学习笔记-斯坦福吴恩达教授的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。