机器学习的过程大致分为三步：1）模型假设，比如我们假设模型是线性回归，还是多项式回归，以及其阶数的选择；2）误差函数定义，比如我们假设误差函数是均方误差，还是交叉熵；3）参数求解，比如使用正规方程，还是梯度下降等。
这篇文章主要讨论模型的选择问题，下面以多项式回归为例进行说明
一个例子：多项式回归中的阶数选择
在前面的文章【图解例说机器学习】线性回归中，我们定义了广义的线性回归模型，其表达式为：
y^=ω0+∑j=1Mωjϕj(x)=ω0+wTϕ(x)(1)
\hat y=\omega_0+\s
