机器学习 – 选择正则化参数

发布时间：2020-12-14 06:04:51 所属栏目：百科来源：网络整理

导读：在应用正则化逻辑回归时：我将数据分成训练,交叉验证和测试集. 我想应用正则化并正在选择正则化参数lambda. 为此,我尝试不同的lambda值,并在训练集上拟合我的假设的参数theta.然后,我选择lambda的值,它给出了验证集上最低成本函数. 为此,我是否应该使用惩罚

在应用正则化逻辑回归时：
我将数据分成训练,交叉验证和测试集.
我想应用正则化并正在选择正则化参数lambda.
为此,我尝试不同的lambda值,并在训练集上拟合我的假设的参数theta.然后,我选择lambda的值,它给出了验证集上最低成本函数.
为此,我是否应该使用惩罚条件计算验证集的成本函数？

解决方法

这混淆了两件事.您最小化成本函数(使用正则化项)来选择模型参数(对于给定的超参数,如lambda).但是参数允许您对验证集中的点进行分类.并且您可以衡量分类与基本事实的匹配程度.你选择lambda来给出最正确的答案. lambda的成本函数在那个阶段没有任何作用.

（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!