距离算法(更新中)
来源:互联网 发布:吾知的小说 编辑:程序博客网 时间:2024/06/13 01:56
闵可夫斯基距离
设特征空间X是n维实数向量空间
欧氏距离
当p=2时为欧式距离,它是最常见的两点之间或多点之间的距离表示法,又称之为欧几里得度量,定义于欧几里得空间中,对应
曼哈顿距离
p=1时为曼哈顿距离,对应
在机器学习中的应用
L1范数和L2范数,用于机器学习的L1正则化、L2正则化。对于线性回归模型,使用L1正则化的模型建叫做Lasso回归,使用L2正则化的模型叫做Ridge回归(岭回归)。
其作用是:
L1正则化是指权值向量w中各个元素的绝对值之和,可以产生稀疏权值矩阵(稀疏矩阵指的是很多元素为0,只有少数元素是非零值的矩阵,即得到的线性回归模型的大部分系数都是0. ),即产生一个稀疏模型,可以用于特征选择;
L2正则化是指权值向量w中各个元素的平方和然后再求平方根,可以防止模型过拟合(overfitting);一定程度上,L1也可以防止过拟合。
阅读全文
0 0
- 距离算法(更新中)
- 图像增强算法(持续更新中)
- Javascript排序算法(持续更新中...)
- 排序算法总结(持续更新中)
- 最大下标距离(算法)
- 编辑距离算法(dp)
- 算法中的各种距离(欧式距离,马氏距离,闵可夫斯基距离......)
- Floyd(改)不断往里加点过程中更新距离
- 【动态规划】字符串编辑距离(Levenshtein距离)算法
- 求二叉树中节点的最大距离(递归算法)
- 每天学习一算法系列(11) (求二叉树中节点的最大距离)
- 求二叉树中节点的最大距离算法(C)
- 算法--认知持续更新中
- 算法----中位数算法的妙用(更新中)
- 相似度算法(一)------编辑距离
- 距离向量(DV)算法的问题
- 欧几里得距离转换(EDT)算法
- A*寻路算法(曼哈顿距离)
- 选太子问题
- 【安全牛学习笔记】初识sql注入漏洞原理
- Spring中AOP的JDKProxy和CGlibProxy的区别
- MySQL 常用指令小结
- testng与maven结合-通过maven可以编译testng
- 距离算法(更新中)
- java初入多线程9
- Numpy库学习——向量表示
- Stm32cubeMX生成配置工程的例子和过程记录
- 随记接口跟抽象类
- MySql入门(1)
- Python3pandas库transform用法
- Sicily 1155. Can I Post the letter
- C语言的字节对齐