吴恩达机器学习笔记33-评估一个假设输出(Evaluating a Hypothesis Outpute)

时间:2023-03-09 17:20:29
吴恩达机器学习笔记33-评估一个假设输出(Evaluating a Hypothesis Outpute)

吴恩达机器学习笔记33-评估一个假设输出(Evaluating a Hypothesis Outpute)

当我们确定学习算法的参数的时候,我们考虑的是选择参量来使训练误差最小化,有人
认为得到一个非常小的训练误差一定是一件好事,但我们已经知道,仅仅是因为这个假设具
有很小的训练误差,并不能说明它就一定是一个好的假设函数。而且我们也学习了过拟合假
设函数的例子,所以这推广到新的训练集上是不适用的。
那么,你该如何判断一个假设函数是过拟合的呢?对于这个简单的例子,我们可以对
假设函数ℎ(