diff --git a/机器学习/机器学习实战/04分类.py b/机器学习/机器学习实战/04逻辑回归分类.py
similarity index 100%
rename from 机器学习/机器学习实战/04分类.py
rename to 机器学习/机器学习实战/04逻辑回归分类.py
diff --git a/机器学习/机器学习课程笔记/04逻辑回归分类.md b/机器学习/机器学习课程笔记/04逻辑回归分类.md
index 734261ac..913b8eac 100644
--- a/机器学习/机器学习课程笔记/04逻辑回归分类.md
+++ b/机器学习/机器学习课程笔记/04逻辑回归分类.md
@@ -54,6 +54,14 @@ $$
 ## 特征缩放与数据归一化
 > 与多元线性回归的方法一样。
 
+## 一对多的线性回归（多元分类）
+
+* 视为多个相互独立的二元分类，预测每种情况下，各个分类的概率，选取最高的概率。
+
+$$
+h^{(i)}_\theta(x)=P(y=i|x;\theta)\\
+max\{h^{(i)}_\theta(x)\}
+$$
 
 ## 编程任务1
 
diff --git a/机器学习/机器学习课程笔记/05拟合与正则化.md b/机器学习/机器学习课程笔记/05拟合与正则化.md
new file mode 100644
index 00000000..63a55c1c
--- /dev/null
+++ b/机器学习/机器学习课程笔记/05拟合与正则化.md
@@ -0,0 +1,17 @@
+## 过拟合
+
+### 偏差
+### 方差
+
+### 过拟合
+
+* 具有低方差，高偏差。变量过多的时候出现的，训练得到的假设函数能够很好的拟合训练集，代价函数非常小。但是无法泛化到新的样本当中。
+
+### 欠拟合
+
+* 具有高方差，低偏差。
+
+### 解决办法
+
+* 减少特征的数量
+* 对特征进行正则化。
\ No newline at end of file