机器学习复习——Regularization
2015-11-11 16:14
260 查看
Regularization:
作用是:
1. 数值上更容易求解;
2. 特征数目太大时更稳定;
3. 控制模型的复杂度,光滑性。复杂性越小且越光滑的目标函数泛化能力越强。而加入规则项能使目标函数复杂度减小,且更光滑。
4. 减小参数空间;参数空间越小,复杂度越低。
5. 系数越小,模型越简单,而模型越简单则泛化能力越强(Ng宏观上给出的解释)。
6. 可以看出是权值的高斯先验。
作用是:
1. 数值上更容易求解;
2. 特征数目太大时更稳定;
3. 控制模型的复杂度,光滑性。复杂性越小且越光滑的目标函数泛化能力越强。而加入规则项能使目标函数复杂度减小,且更光滑。
4. 减小参数空间;参数空间越小,复杂度越低。
5. 系数越小,模型越简单,而模型越简单则泛化能力越强(Ng宏观上给出的解释)。
6. 可以看出是权值的高斯先验。
相关文章推荐
- Trie树|字典树(字符串排序)
- Android快速SDK(24)第三方分享UmengShare【肌肉记忆,分钟接入】
- 开发者必备:支持双证书签名的代码签名工具WoSignCode
- log4j.properties配置详解
- ConcurrentDictionary和Dictionary
- Javascript 上传文件到Azure存储
- PHP - 数学运算
- C项目开发—通讯录(一) 整体设计及界面、框架搭建
- 听“Siri之父”讲述Siri背后的故事
- 微信上传图片
- 如何使用R语言连接MySQL数据库,rjson,网页抓取
- AFNetworking 网络库
- linux shell — 7.linux 磁盘与文件系统管理
- iframe的一些简单记录
- PHP - 操作符与控制结构
- python(3.4)使用mysql(5.6)
- 文章标题
- AFNetworking 使用总结 (用法+JSON解析)转载
- 设置相关:版本号,清除缓存
- 机器学习复习——GBDT