机器学习-正则
来源:互联网 发布:胎儿b超数据 编辑:程序博客网 时间:2024/06/06 00:22
1.正则
正则化的目的是为了防止过拟合,具体怎么实现的:
给定一组房价数据–>拟合出一条曲线来描述房价数据–>根据这条曲线对房价进行预测。这个曲线变量(特征)可以是一维,二维,多维。参数越多学习能力越强。但是并不是参数越多越好,参数的多少要收到数据的约束。
那么这条曲线是否能合理预测房价呢? 对现有的数据学习不足(没有学习到数据的特征)称为欠拟合(underfitting),代价函数可能非常大。或者学习过度了(记住了,过拟合了,没有了泛化能力,就跟学习太死板只会做见过的题,一旦变换下题型就不会做了)称为过拟合(overfitting)代价函数可能非常接近于 0 或者就为 0。
数据太少,变量太多造成过拟合。过拟合如何解决?
1.减少特征个数
保留重要的特征,减少不重要的特征。
2.正则化
保留所有的特征,但是减少其权重
怎么来约束参数呢,用的就是loss function,通过真实值和通过模型预测的值的差值来表达模型的好坏。
让损失函数最小,但是这个函数没有对参数做到惩罚,想要的是能表征那个参数对最后的损失函数做出的贡献大的话就降低这个参数值。
这个函数就加入了对参数的惩罚。但是存在的问题是:
我们并不知道那个参数应该受到惩罚,如何选择关联度更好的参数,如何缩小参数的数目等等,对每个参数做的惩罚都是一样的
这就导致了不合理的惩罚。所以后来就引入了自动选择正则化参数 λ 。
http://www.cnblogs.com/jianxinzhou/p/4083921.html
阅读全文
0 0
- 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
- 机器学习正则化
- 机器学习之正则化
- 【机器学习基础】正则化
- 机器学习之正则化
- 机器学习正则化推导
- 机器学习中的正则化
- 机器学习之正则化
- 机器学习的正则化
- 机器学习之正则化
- 【机器学习基础】正则化
- 机器学习04正则化
- mybatis sql in 查询总结
- SQL Server 2014 登陆遇到的问题
- php5.6.x独立编译安装
- CCF 201703-2 学生排队(模拟)
- Nginx+Tomcat+Memcached负载均衡集群服务搭建
- 机器学习-正则
- js最新手机号码、电话号码正则表达式
- 《Android开发艺术探索》笔记——Bitmap的加载和Cache(一)
- 网上资源汇总深度学习和机器学习实战例子
- POJ 2777 Count Color(线段树)
- 面试题3
- 基于Linux系统的TCP协议的即时通信系统
- AIM Tech Round 4 (Div. 2) C
- matlab2c使用c++实现matlab函数系列教程-flipud函数