机器学习
penghui_tan
华中科技大学数字化成形硕士在读
展开
-
L1与L2正则化简介
在简单的线性回归模型中,以平方误差为损失函数,则优化目标为:在样本特征多而样本数量较少的情况下,易陷入过拟合,可通过引入正则化降低过拟合风险,引入L1正则化,则有:正则化参数$\lambda $>0,上式称为LASSO(Least Absolute Shrinkage and Selection Operator)引入L2正则化,则有: 正则化参数λ\lambda >0,上式称为“岭回归”(原创 2018-01-01 12:16:14 · 630 阅读 · 0 评论 -
朴素贝叶斯算法过滤垃圾邮件
基础知识条件概率 在A发生的条件下B发生的概率记为P(B|A), P(B|A)=P(AB)P(A)P(B|A)=\frac{P(AB)}{P(A)}全概率公式 若B1,B2...BnB_{1},B_{2}...B_{n}为样本空间E的一个划分,则 P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)=∑i=1nP(A|Bi)P(Bi)P(A) =原创 2017-12-28 16:30:31 · 1144 阅读 · 0 评论