数据运用：注意对数据先进行random_shuffle（如果数据有一定顺序，下述划分会导致数据范围不全面）
1)数据7:3划分
train err/ test err
2)数据6:2:2划分
train err/ validation err/ test err
第二部用与多种模型/算法之间进行比较，比较后可以选出较优算法
但不能用这一步的误差来反映其预测误差
因为在这步相当于额外训练了一个参数（如选哪个算法，最高次项几次这种）(隐含了调整参数选择最小J的步骤)
所以还得再用test进行误差预计。（这里第二步筛选出的较劣算法不需要test）
注意当使用regularization时，使用带\(\lambda\sum \theta^2\)的\(J\)训练，但使用不带的去计算三种err
算法不如意，debug：
1)调处J关于iter图像
2)增training set
算法调整：
1)增/减featrue，增加polynomial项
2)调参如\(\alpha,\lambda\)
3)增training set
原文：https://www.cnblogs.com/acha/p/11061633.html