這是一個簡單的迴歸問題 多項式函式的形式 調整多項式函式擬合訓練資料，可以通過最小化誤差函式的方法實現。誤差函式衡量了對於任意給定的W值，函式y與訓練集資料的差別。 因子1/2是為了後續計算方便而加入的，由於誤差函式是係數w的二次函式，因此它關於係數的導數是w的線性函式，所以誤差函式的最小值有一個唯一解。 當M=9， E(w)=0, 然而，擬合的曲線劇烈震盪，這種行為叫做過擬合 目標是通過對新資料的預測實現良好的泛化性，定量考察模型的泛化性與M的關係。考察方式：考慮一個額外的測試集，這個測試集由100個數據點組成，這100個數據點的生成方式與訓練集的生成方式完全相同，但是在目標值中包含的隨機噪聲值不同。對於每個M的選擇，有時使用根均方誤差更方便

對於一個給定的模型複雜度，資料集規模越大，我們能用來擬合數據的模型就越複雜，資料點的數量不應該小於模型的可調節引數的數量的若干倍。