- 博客(2)
- 收藏
- 关注
RSS订阅转载 L1和L2正则化的直观理解
这部分内容将解释为什么L1正则化可以产生稀疏模型（L1是怎么让系数等于零的），以及为什么L2正则化可以防止过拟合。L1正则化和特征选择假设有如下带L1正则化的损失函数： J=J0+α∑w|w|(1)其中J0是原始的损失函数，加号后面的一项是L1正则化项，α是正则化系数。注意到L1正则化是权值的绝对值之和，J是带有绝对值符号的函数，因此J是不完全可微的。机器学习的任务就是要通过一些方法（比如梯度下降...
2018-07-09 15:02:54
890
3
原创 IE浏览器不兼容问题
IE浏览器不兼容问题项目在火狐，谷歌浏览器都没有任何问题，但是单纯ie浏览器上就会出问题，看似是项目设计中的逻辑问题一样。可参考以下：var condictions=encodeURI(date)+"@"+encodeURI(place)+"@"+encodeURI(specific)+"@"+encodeURI(delay)+"@"+encodeURI(influence)+"@"+encode...
2018-07-02 17:32:13
1868
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人