机器学习 – 为什么偏差项在岭回归中没有正则化？

发布时间：2020-12-13 22:53:33 所属栏目：百科来源：网络整理

导读：在大多数分类(例如逻辑/线性回归)中,在正则化时忽略偏差项.如果我们不规范偏见项,我们会得到更好的分类吗？例： Y = aX + b 正则化是基于这样一种观点,即对Y的过度拟合是由“过于具体”引起的,可以说,这通常表现为一个元素的大值. b仅仅抵消了这种关系,因此

在大多数分类(例如逻辑/线性回归)中,在正则化时忽略偏差项.如果我们不规范偏见项,我们会得到更好的分类吗？

例：

Y = aX + b

正则化是基于这样一种观点,即对Y的过度拟合是由“过于具体”引起的,可以说,这通常表现为一个元素的大值.

b仅仅抵消了这种关系,因此其规模远不如此问题重要.此外,如果出于任何原因需要大的偏移量,则使其正常化将阻止找到正确的关系.

所以答案就在于：在Y = aX b中,a与解释变量相乘,b被加到它上面.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!