- 博客(1)
- 收藏
- 关注
RSS订阅原创 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