成本函数J(w,b)=((1/m)L(y_hati,yi))+(
/2m)||w||
,其中
是正则化参数,||w||
是w平方的范数即欧几里得范数的平方,其中||w||
等于wj(j值从1到n)平方的和。此方法称为L2正则化。对于b也可以这样操作,但是w通常是高维向量,已经可以表达高偏差问题,而b只是单个参数,w中包含了很多参数&
减少过拟合的方法—正则化及其原理
最新推荐文章于 2021-03-13 21:05:34 发布
成本函数J(w,b)=((1/m)L(y_hati,yi))+(
/2m)||w||
,其中
是正则化参数,||w||
是w平方的范数即欧几里得范数的平方,其中||w||
等于wj(j值从1到n)平方的和。此方法称为L2正则化。对于b也可以这样操作,但是w通常是高维向量,已经可以表达高偏差问题,而b只是单个参数,w中包含了很多参数&