过拟合
特征多了，模型对当前的样本高度拟合，但一旦换一组样本，会出现极大的偏差。
我们如何解决过拟合的问题呢？
- 减少特征（人为选择或者利用算法模型）
- 正则化
代价函数
脑洞
不减少特征，又希望特征对结果影响越小越好，那么只能在优化时将特征的系数纳入考虑，特征系数为0的越多越好，那么式子里面虽然特征还是那么多，但是实际上结果不受特征的影响。
比如说xk这个特征我觉得不那么重要，其系数是θk，那么我在代价函数后面就加上1000θk^2，这样，在最小化代价函数的时候，就对θk的大小做了约束。
正则化
对所有的特征都做同等约束
新的代价函数
如果λ过大了，那么可能导致欠拟合，所以λ值的选取很重要；λ小了，可能效果不明显，还是出现过拟合。
