过拟合的问题（The problem of overfitting）

正则化可以减轻过拟合问题。

欠拟合（underfitting）
高偏差（high bias）

合适

过拟合（overfitting）
高方差（high variance）

泛化（generalize）：指假设模型能应用到新样本的能力。

在线性回归中：

在逻辑回归中：

特征太多，数据量太少，过度拟合就会发生：

解决过度拟合：

方法：

1. 减少特征数量：
   手动选择
   使用模型选择算法（后面会讲）
2. 正则化（regularization）
   保留所有的特征，但是减少参数θ_j的大小（magnitude/values）
   当我们有很多特征的时候依然工作很好，并且每个特征都对预测y有一定的贡献