吴恩达机器学习笔记34-模型选择和交叉验证集（Model Selection and Train_Validation_Test Sets）

　　假设我们要在10 个不同次数的二项式模型之间进行选择：

　　显然越高次数的多项式模型越能够适应我们的训练数据集，但是适应训练数据集并不
代表着能推广至一般情况，我们应该选择一个更能适应一般情况的模型。我们需要使用交叉
验证集来帮助选择模型。
即：使用60%的数据作为训练集，使用 20%的数据作为交叉验证集，使用20%的数据
作为测试集。

模型选择的方法为：
1. 使用训练集训练出10 个模型
2. 用10 个模型分别对交叉验证集计算得出交叉验证误差（代价函数的值）
3. 选取代价函数值最小的模型
4. 用步骤3 中选出的模型对测试集计算得出推广误差（代价函数的值）