Regularization 正则化 解决过拟合问题 Lecture 7
发布时间:2020-12-14 01:22:59 所属栏目:百科 来源:网络整理
导读:解释: 正则化解决的是过拟合问题,过拟合是因为选择参数过多,非常准备的拟合了训练数据,如最右那张图,过度拟合训练数据的结果是,该模型的泛化程度很低,多新数据的拟合非常差。 如果,是对于逻辑回归的过渡拟合。 解决过拟合的方法: 总结:正则化的思想
解释:正则化解决的是过拟合问题,过拟合是因为选择参数过多,非常准备的拟合了训练数据,如最右那张图,过度拟合训练数据的结果是,该模型的泛化程度很低,多新数据的拟合非常差。
如果,是对于逻辑回归的过渡拟合。 解决过拟合的方法:
总结:正则化的思想就是,对与代价函数J(θ)加上一项惩罚因子,要是代价函数J(θ)最小的的唯一途径就是使参数θ[1:n]尽可能小。
(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! |