Coursera机器学习-Week 3-测验:Regularization

正则化方法：

J(θ)=12m[∑i=1m(hθ(x(i))−y(i))2+λ∑i=1nθ2j]$$J(\theta )=\frac{1}{2m}\left[\sum _{i=1}^m{(h_{\theta }(x^{(i)})-y^{(i)})}^2+\lambda \sum _{i=1}^n{\theta }_j^2\right]$$

1

描述

解析

A、C$A、C$，引入正则化方法并不能总取得好的结果，如果 λ$\lambda$ 过大会导致过拟合，不管是对于 traing set$traingset$ 还是 exemples$exemples$，都会存在这种可能，所以不正确。
B、D$B、D$，增加新的特征可以获得更好的拟合，但是并不能防止过拟合的发生，所以 B$B$ 正确，D$D$ 错误。
最后结果选 B$B$。

2

描述

解析

引入正则化方法时，λ$\lambda$ 值变大，θ$\theta$ 将会变小，如果 λ$\lambda$ 非常大时，θi(i=1,2,3…)≈0${\theta }_i(i=1,2,3\dots )\approx 0$，最后几乎只受 θ0${\theta }_0$ 影响，拟合出来的结果也会接近于一条直线，所以当 λ=1$\lambda =1$ 时，应该选择 A$A$。

3

描述

解析

A、B$A、B$，当 λ$\lambda$ 过大时，会导致 underfit$underfit$，最后拟合出来的接近于一条直线，所以错误。
C$C$，当引入正则时，可以缓解 overfit$overfit$，所以会导致分类器出现错误的分类，C$C$ 正确。
D$D$，正则化方法想要解决的问题是 overfit$overfit$，所以 D$D$ 错误。
最终答案 C$C$。