408/912-notes
1
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity

update images

Browse Source
This commit is contained in:
Shine__Wong
2020-01-14 15:06:57 +08:00
committed by GitHub
parent 0e16ec04bd
commit 6bc50efef4
1 changed files with 1 additions and 2 deletions
Download Patch File Download Diff File Expand all files Collapse all files

3
ml/logistic_regression/logistic_regression.md
View File

@@ -281,8 +281,7 @@ $$
之后，我手动将这些数据划分成了训练集和测试集，其中测试集占所有数据的20%。然后分别使用未正则化的损失函数与正则化的损失函数($\lambda = 1$)，利用梯度下降法对模型进行训练。结果如下：
![overfit](images/overfit.png)
![justfit](images/justfit.png)
![overfit](images/overfit.png) ![justfit](images/justfit.png)
图中黑色的圆圈或者十字，是表示训练集的实例；而红色边界的圆圈或者十字，表示的是测试集实例。可以看到，未经过正则化的损失函数，训练出来的模型决策边界相对复杂，具有许多高次项，同时对于训练集有更高的预测准确率（87.21%）；而正则化后的损失函数，利用梯度下降法训练出的决策边界则要简单很多，比较规则，对训练集的准确率也要低一些（80.23%）。