正则化的具体理解
对于正则化,个人很不明白其具体的含义,直到今天,我突然对正则化有了一些顿悟,用来跟大家分享。
说到正则化,我们先弄明白几个概念:1.欠拟合 2.合适拟合 3.过拟合
从字面意义上说,大家对这3个概念都不陌生,具体说一下过拟合,如果我们有非常多的特征,那么通过学习得到的拟合方程有可能对训练集拟合的非常好
而正则化,就是针对过拟合的问题提出来的,想要解决过拟合的问题有2种方法,1是降低特征的数量,此方法看似简单,其实不然,想减少特征又要把那些对结果影响大的特征保留不是一件容易的事,第二种方法就是我们今天的主题,正则化。 正则化的思路与降低维数的思路是一样的,不同在于他并没有降低特征的数量,而是减少了特征的维数。正则化的好处是当特征很多时,每一个特征都会对预测y贡献一份合适的力量。 如上图所示,左边是一个合适的拟合,而右边则是一个过拟合,直观来看我们需要做的就是将
上式就是一个正则化的成本函数,其中拉马达,我们的目标就是最小化上式。 这就是正则化的基本含义。 (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! |
- c# – “你必须在奇怪的情况下添加对程序集的引用”编译器错
- postgresql – pg_upgrade工具失败:无效的“未知”用户列
- Linux配置Selenium+Chrome+Java实现自动化测试
- ARC添加MRC TouchJson 报错 解决方法
- 使用vue + less 实现简单换肤功能的示例
- SQLite命令行说明
- c# – Properties.Settings.Default.Save()将user.config文
- ruby数组到javascript – Rails
- Ruby的Net :: HTTP线程安全?
- cocos2dx 中 scene(), create(), init() 调用关系