突然有种想把自己的学习经历记录下来的冲动，所以有了这篇文章，以后应该也会把学习笔记，遇到的问题，解决方法都记录在博客上面
（之前的笔记都记在有道云笔记上了，有空再整理一下，以下是有关正则化那部分的测验）
Regularization
第一题
答案：B
A：过多的特征会导致过拟合
B：加入新特征，会更好的拟合数据（不用考虑是否过拟合，这里是问是否加入新特征对拟合数据有无帮助，加入新特征意味着得到更多的信息）
C、D：我在cd之间纠结了好久，想不到两个都是错的，然后翻了下他人的解释，意识到这道题也考了λ的大小问题，使用正则化的时候，若是λ过大，则一系列的Θ就是趋于0（个人理解，正则化就是修改代价函数，在要改变的参数前设置一个值，如同下图的代价函数，给Θ3，Θ4设置惩罚，因为要使得代价函数尽量小，当把后两项考虑进去时，因为1000比较大，所以要使得Θ3，Θ4较小才能使得代价函数较小，所以λ较大时，会使得Θ很小），所以说正则化不一定能得到更好的假设，也有可能发生欠拟合问题，至于D，都欠拟合了，也不会在新样例有更好的表现）（注意：D的 not in the training set是修饰examples的，我一开始没注意看犯错了）
第二题
答案：B
很容易选出来了，λ大的，Θ会小
第三题
答案：D
A：正则化并不对导致代价函数变为凸函数，正则化是解决过拟合的问题
B：不是很理解，前面说正则化将输出值的范围逐渐缩小，后面说正则化没啥用（不过前提就错了）
C：λ过大会发生欠拟合问题
D：对的
至于第四第五题的图片问题，问的是过拟合和欠拟合的图片，过拟合就是符合了训练集上的每一点，欠拟合即作出的假设符合的点太少。
以上有什么错误或你有什么建议，欢迎跟我讨论
谢谢你的阅读
来源：CSDN
作者：weixin_43200146
链接：https://blog.csdn.net/weixin_43200146/article/details/104733631