今日完成
1.leetcode刷题三道，分别是
LeetCode-414. 第三大的数
leetcode-448.找到所有数组中消失的数字
leetcode-628.三个数的最大乘积
2.网易云课程——机器学习吴恩达第七章 正则化
机器学习总结
第七章 正则化（Regularization）
7.1 过拟合问题
什么是过拟合问题？
过于强调拟合原始数据，而丢失了算法的本质：预测新数据。我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合。
怎么处理过拟合问题？
1.丢弃一些不能帮助我们正确预测的特征。可以是手工选择保留哪些特征，或者使用一些模型选择的算法来帮忙（例如 PCA）
2.正则化。 保留所有的特征，但是减少参数的大小（ magnitude）。
7.2 代价函数
正则化的基本方法是什么？
在一定程度上减小某些项的参数θ的值
假如我们有非常多的特征，但是并不知道其中哪些特征要惩罚，怎么办？
将对所有的特征进行惩罚，以下是一个较为简单的能防止过拟合问题的假设：
λ是正则化参数。那为什么增加的一项
可以使θ的值减小呢？
因为如果我们令λ 的值很大的话，为了使 Cost Function 尽可能的小，所有的 θ的值
（不包括θ0）都会在一定程度上减小。
7.3 正则化线性回归
- 正则化线性回归的代价函数是什么？
- 运用梯度下降法是上面的代价函数最小化，那么θ的更新公式是什么？
7.4 正则化的逻辑回归模型
- 正则化逻辑回归的代价函数是什么？
- 最小化代价函数，通过求导，得出梯度下降算法是什么？
