1、定义模型(ω或者θ)
2、定义评价模型的loss function(J(ω)或者J(θ));
3、采用优化的方法找到最合适的参数ω = arg min J(ω);
4、解决过拟合问题:
-> 对模型施加正则项:||ω|| 一范数,使得模型中大部分的参数都为0,从而增加模型的可解释性;
-> 采用交叉验证的方法,增加模型的鲁棒性;
-------------------------------
以上是我理解的机器学习之基,2021年8月17日13:56:31
1、定义模型(ω或者θ)
2、定义评价模型的loss function(J(ω)或者J(θ));
3、采用优化的方法找到最合适的参数ω = arg min J(ω);
4、解决过拟合问题:
-> 对模型施加正则项:||ω|| 一范数,使得模型中大部分的参数都为0,从而增加模型的可解释性;
-> 采用交叉验证的方法,增加模型的鲁棒性;
-------------------------------
以上是我理解的机器学习之基,2021年8月17日13:56:31