从实例理解正则化参数α（惩罚项）

最新推荐文章于 2024-04-18 16:33:29 发布

MiaL

最新推荐文章于 2024-04-18 16:33:29 发布

阅读量6.2k

点赞数 5

分类专栏：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/houhuipeng/article/details/93795127

版权

从实例理解正则化参数 $\alpha$

1.机器学习三要素之一——策略（代价函数）：

通过最小化训练误差来学得最佳参数 $w, b$ : $E(w,b)=\frac{1}{n}\sum_{i=1}^{n}L(y_i,f(x_i))+\alpha R(w)$

最低0.47元/天解锁文章

关注

5
点赞
踩
17

收藏

觉得还不错? 一键收藏
0
评论
从实例理解正则化参数α（惩罚项）

从实例理解正则化参数α\alphaα机器学习三要素之一：策略（代价函数）：通过最小化训练误差来学得最佳参数w,bw,bw,b:E(w,b)=1n∑i=1nL(yi,f(xi))+αR(w)E(w,b)=\frac{1}{n}\sum_{i=1}^{n}L(y_i,f(x_i))+\alpha R(w)E(w,b)=n1i=1∑nL(yi,f(xi))+αR(w)其中LLL是经验损失函...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。