Machine learning(9): Regularisation

数据小鱼Rexa

于 2019-12-10 04:16:57 发布

阅读量232

点赞数

CC 4.0 BY-SA版权

分类专栏： Machine learning 文章标签： Machine learning

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_38395376/article/details/103468015

Machine learning 专栏收录该内容

22 篇文章

订阅专栏

本文探讨了特征选择的重要性，正则化的通用概念，以及结构风险最小化在支持向量机（SVMs）中的应用。详细介绍了L2和L1惩罚在减少过拟合中的作用，并通过图像展示了L1和L2惩罚的区别。最后，讨论了偏置与方差作为惩罚权重函数的表现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Feature selection

在这里插入图片描述

Regularisation: general idea

在这里插入图片描述

Structural risk minimization

在这里插入图片描述

SVMs and structural risk minimisation

在这里插入图片描述

L2 and L1 penalization

在这里插入图片描述

The pictures of L1 and L2 penalization

在这里插入图片描述

Bias and variance as a function of the weight of penalty

在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。