From ab18d4e62a0f68e75cc753891f5d9492f059bbf5 Mon Sep 17 00:00:00 2001
From: estomm <yinkanglong@163.com>
Date: Thu, 8 Oct 2020 12:30:52 +0800
Subject: [PATCH] =?UTF-8?q?=E6=8B=9F=E5=90=88?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 .../机器学习实战/{04分类.py => 04逻辑回归分类.py} |  0
 机器学习/机器学习课程笔记/04逻辑回归分类.md     |  8 ++++++++
 机器学习/机器学习课程笔记/05拟合与正则化.md     | 17 +++++++++++++++++
 3 files changed, 25 insertions(+)
 rename 机器学习/机器学习实战/{04分类.py => 04逻辑回归分类.py} (100%)
 create mode 100644 机器学习/机器学习课程笔记/05拟合与正则化.md

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