为什么神经网络能进行线性分类和非线性分类?
要预测的函数是你自己构造的,线性和非线性都取决于你,接下来要进行参数的预测,通过梯度下降算法(目前我就知道这一个)实现参数拟合。
至于分类感觉有点像高中时候的动态规划问题被一条线分到两个不同的区域,两边的符号不同。
以上都是我瞎猜的
机器学习中引入L2范数(正则化项)的意义
防止过拟合,保证模型的泛化能力。
权重的平方
为什么神经网络能进行线性分类和非线性分类?
要预测的函数是你自己构造的,线性和非线性都取决于你,接下来要进行参数的预测,通过梯度下降算法(目前我就知道这一个)实现参数拟合。
至于分类感觉有点像高中时候的动态规划问题被一条线分到两个不同的区域,两边的符号不同。
以上都是我瞎猜的
防止过拟合,保证模型的泛化能力。
权重的平方