轻松入门自然语言处理系列 04 模型的泛化
本文主要介绍了模型的泛化:什么是过拟合,包括逻辑回归参数、数据线性可分的情况、控制参数的大小和过拟合概念;如何防止过拟合,包括模型的泛化能力、模型的过拟合、模型复杂度与过拟合和正则的作用;L1与L2正则,包括常见的2种正则、L1和L2正则的本质、L1的不足之处和交叉验证;正则与先验的关系,包括最大后验估计、先验与正则之间的关系和最大后验趋近于最大似然;案例之LR中的调参,包括常见模型的超参数、GridSearchCV的使用和逻辑模型调参。过拟合是机器学习中一个常见的现象,需要防止以提升模型的泛化能力。
复制链接