1、如何得到好的预测效果或者分类效果，除了尝试如下图所示的方法外，下面还有降到其他方法
Paste_Image.png
2、不论是预测还是分类问题，大都是通过以下过程来评价假设函数的（即计算测试集的误差平方和）
Paste_Image.png
3、没听懂model selection这节课中，多项式中最高次数的选择时用测试集来你和参数d这块儿，为什么说是测试集来拟合的d(多项式次数)？？？
哦，明白了，此处过程是这样的：首先用各个多项式的训练集的代价函数值最小得到各自的theta参数（theta1、theta2...），然后把得到的相应的theta参数带入到测试集代价函数中，以值最小的来确定假设函数的次数应该是几。但是具体来说，这个过程是通拟合测试集来确定d的。但是这样的话并不公平，在遇到新的样本时并不一定有很好的预测效果，故此处要把数据分为三部分：训练集、（交叉）验证集、测试集，用验证集代替刚刚测试集的作用，测试集仅仅是测试集的作用
Paste_Image.png
Paste_Image.png
4、没理解diagnosing Bias vs. Varience这节课
Paste_Image.png
Paste_Image.png
Paste_Image.png
哦，明白了：由第一个图可知什么是高偏差、什么是高方差
d值较小时会出现高偏差问题，此时交叉验证集和训练集的代价函数值都会很高；而d值过大时，训练集代价函数值会很低，而交叉验证集会相对于训练集误差大很多，正如第三个图所示
