机器学习第三周(三)--正则化
来源:互联网 发布:win10网络时间同步 编辑:程序博客网 时间:2024/06/16 11:46
- 过拟合与欠拟合
- 正则化
- Regularized linear regression
- Normal Equation
- Regularized logistic regression
过拟合与欠拟合
第一幅图片能看到模型能大致拟合数据,但效果不是很好;第二幅相比效果就好很多;第三幅图片也能很好的拟合当前数据,但是预测数据效果不行。我们将第一幅图片中的现象称为“欠拟合”( underfitting)也叫“高偏差”(high bias),第三幅中的现象称作“过拟合”(overfitting)也叫“高方差”(high variance)。图片2中的模型是我们最好的结果。比较一下欠拟合和过拟合。
欠拟合和过拟合现象在线性回归和逻辑回归中都可能出现,下面给出俩中解决过拟合现象的具体方法
其中使用正则化主要分为减小
正则化
左边的模型是我们想要的结果,为了改善右边的过拟合现象,对
按照这种思想,我们得到损失函数一般式:
Regularized linear regression
给出梯度下降式:
注意:
注意一般要小于1
Normal Equation
常规方程是直接求
注意:如果m 小于n(样本少于特征),则X的转置与X乘积可能是不可逆的,但加上正则项后为可逆。
Regularized logistic regression
同线性回归类似,加入正则化参数,结果如下
同样给出梯度下降式
注意:当引入正则化后,梯度求解要分别分theta=0和theta(j>=1)俩种情况,所以不管线性回归或逻辑回归或常规方程求解梯度下降时都要分theta=0和theta>=1俩种情况
- 机器学习第三周(三)--正则化
- Stanford机器学习---第三周.逻辑回归、正则化
- Stanford机器学习 第三周:逻辑回归与正则化
- 机器学习笔记(三)——正则化最小二乘法
- 第三周-Coursera/Stanford机器学习课程学习笔记-逻辑回归&概率解释以及正则化
- 机器学习:正则化
- 机器学习:正则化
- 机器学习正则化
- 机器学习-正则化
- 机器学习正则化
- 机器学习 正则化
- 机器学习正则化
- 机器学习入门系列三(关键词:逻辑回归,正则化)
- 机器学习入门系列三(关键词:逻辑回归,正则化)
- 机器学习之正则化(Regularization)
- 机器学习正则化(Regularization)
- 机器学习之正则化(Regularization)
- 机器学习之正则化(Regularization)
- 数组中Arrays工具类方法的应用
- 计蒜客 踩蚂蚁(优先队列)
- 7、集合
- 1101. Quick Sort (25)快排
- A
- 机器学习第三周(三)--正则化
- 大数据 (九)Hadoop-使用eclipe插件操作HDFS
- UVA12338Anti-Rhyme Pairs(哈希+二分最长前缀)
- hdu6063RXD and math(快速幂找规律)
- python random和numpy random
- 微信支付接口升级,微信支付免充值代金券开通
- C++学习之容器<vector>
- 南阳oj 题目57 6174问题
- Linux server 中手动配网命令