那麼如何選擇合適的 Q，來保證不會出現過擬合問題，使模型的泛化能力強呢？一般情況下，為了盡量減少特徵自由度，會根據訓練樣本的分佈情況，人為地減少、省略一些項。但是，這種人為地刪減特徵會帶來一些「自我分析」代價，雖然對訓練樣本分類效果好，但是對訓練樣本外的樣本，不一定效果好。所以，一般情況下，還是要保存所有的多項式特徵，避免對訓練樣本的人為選擇。 影片內容 pdf：https://www.csie.ntu.edu.tw/~htlin/course/mlfound18fall/doc/12_handout.pdf