过拟合：如果我们有非常多的特征，我们通过学习得到的假设可能能够非常好地适应训练集（代价函数可能几乎为0），但是可能会不能推广到新的数据。不能很好的预测新数据。
出现过拟合问题时的处理办法：
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）
正则化。 保留所有的特征，但是减少参数的大小（magnitude）。
