- 博客(3)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 L2正则化方法
在机器学习中，无论是分类还是回归，都可能存在由于特征过多而导致的过拟合问题。当然解决的办法有 （1）减少特征，留取最重要的特征。 （2）惩罚不重要的特征的权重。 但是通常情况下，我们不知道应该惩罚哪些特征的权重取值。通过正则化方法可以防止过拟合，提高泛化能力。 先来看看L2正则化方法。对于之前梯度下降讲到的损失函数来说，在代价函数后面加上一个正则化项，得到
2015-05-30 12:51:00
22417
原创 多项式回归模型（Office Prices）
题目：https://www.hackerrank.com/challenges/predicting-office-space-price 分析：还是上次的房价预测题目，指明要用多项式回归拟合。在多元多项式拟合时候，目标函数表示如下 对其目标函数求偏导得到 很容易写出代码。 代码：#coding:ut
2015-05-28 21:00:31
8613
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人