问题:为什么正则化可以防止过拟合?
由于过拟合本质是过多的特征被启用导致的,导致模型泛化性变差,所以防止过拟合要降低特征的数量,可以通过使 w 个数减少,问题就变成让 W 向量中项的个数最小化,方法就是让 w 变成或趋近于 0,因为向量中 0 元素对应的 x 是没有任何权重的。
来源:通过正则化解决过拟合问题 - 简书 (jianshu.com)
看例子
X = np.array([[1,2,3,4],[1,4,9,16],[2,4,12,20]]).T
y = np.array
问题:为什么正则化可以防止过拟合?
由于过拟合本质是过多的特征被启用导致的,导致模型泛化性变差,所以防止过拟合要降低特征的数量,可以通过使 w 个数减少,问题就变成让 W 向量中项的个数最小化,方法就是让 w 变成或趋近于 0,因为向量中 0 元素对应的 x 是没有任何权重的。
来源:通过正则化解决过拟合问题 - 简书 (jianshu.com)
看例子
X = np.array([[1,2,3,4],[1,4,9,16],[2,4,12,20]]).T
y = np.array