- 博客(1)
- 收藏
- 关注
原创 UConn DataMining Math5671 课程小记 知识点:正则化方法
正则化方法(regularization)是特征选择方法的一部分,也常用来克服过拟合问题(overfit)。嵌入式选择:正则化的特征选择的优势是,在机器学习的过程中同时完成特征选择(与过滤式和包裹式相比)1 L1正则化: 也称为LASSO,代价函数如下,第二项是penalty term, 采用L1 - norm(有一个额外的好处,更容易得到稀疏解(Wi出现更多零项,原因见图3))比原始的更新规则多出了η * λ * sgn(w)/n这一项。当w为正时,更新后的w变小。当w为负时,更新后的w变大—
2020-10-10 00:21:38 236
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