机器学习中关于正则化的理解

正则化旨在防止过拟合,通过结构风险最小化结合经验风险,平衡模型复杂度与泛化能力。奥卡姆剃刀原理与此相似。以决策树为例,剪枝过程即为正则化,通过损失函数与叶节点数量控制模型复杂度。
摘要由CSDN通过智能技术生成

正则化的目的:避免出现过拟合(over-fitting)


经验风险最小化 + 正则化项 = 结构风险最小化


经验风险最小化(ERM),是为了让拟合的误差足够小,即:对训练数据的预测误差很小。


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