正则化的要点

1、回归

在这里插入图片描述

从回归的角度上看,项 1 2 ∣ ∣ W ∣ ∣ 2 \frac{1}{2}||W||^2 21W2有一个特定的直观作用,从几何上说,最小代价函数 ξ ( W ) \xi(W) ξ(W)过程中,包含正则化项 1 2 ∣ ∣ W ∣ ∣ 2 \frac{1}{2}||W||^2 21W2有利于找到带有好的逼近属性的平坦函数
在这里插入图片描述
此最小代价函数可作为一个用于函数逼近的多层感知器的正则化的可行方法,其缺点是在数学上很难把Tikhonov正则化运用于多层感知器,不像径向基函数网络,多层感知器的可调整的突触权值在隐藏层和输出层中分布。
2、最大似然估计
最大后验参数估计的目标函数,作用于高斯环境,可用如下公式表示:
在这里插入图片描述
因此可以把 1 2 ∣ ∣ W ∣ ∣ 2 \frac{1}{2}||W||^2 21W2看作一个关于极大后验参数估计中潜在结构的先验信息。
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值