【零基础机器学习】机器学习中的正则项（图文详解）

更多代码： Gitee主页：https://gitee.com/GZHzzz
博客主页： CSDN：https://blog.csdn.net/gzhzzaa

写在前面

• 在机器学习中我们时常会遇到模型过拟合的问题，这是由于我们所得到的的模型复杂度过大，过于完美地拟合了训练数据，也就导致模型在预测训练数据时效果很好而预测新数据时效果很差。解决过拟合问题的一个典型方法即是：$正则化$！😊
  

损失函数

经验风险

• 经验风险最小化（empirical risk minimization，ERM）策略认为，经验风险最小的模型就是最优模型。根据这一策略求最优模型即是求解最优问题：

• 当样本容量足够大时，经验风险最小化能保证很好的学习效果。 极 大 似 然 估 计 （ m a x i m u m l i k e l i h o o d e s t i m a t i o n ） 极大似然估计（maximum likelihood estimation）