机器学习07-正则化

正则化思想

在这里插入图片描述
正则化思想:在原有的
m i n 1 2 m ∑ i = 1 m ( h θ ( x i ) − y i ) 2 min\frac{1}{2m}\sum_{i=1}^m(h_\theta(x^i)-y^i)^2 min2m1i=1m(hθ(xi)yi)2
加上1000 θ 3 2 + 1000 θ 4 2 \theta_3^2+1000\theta_4^2 θ32+1000θ42(此处为举例,具体情况具体讨论),为使 m i n 1 2 m ∑ i = 1 m ( h θ ( x i ) − y i ) 2 + 1000 θ 3 2 + 1000 θ 4 2 min\frac{1}{2m}\sum_{i=1}^m(h_\theta(x^i)-y^i)^2+1000\theta_3^2+1000\theta_4^2 min2m1i=1m(hθ(xi)yi)2+1000θ32+1000θ42尽可能小,则 θ 3 、 θ 4 \theta_3、\theta_4 θ3θ4尽量接近于0。

正则化

J ( θ ) = 1 2 m ∑ i = 1 m [ ( h θ ( x i ) − y i ) 2 + λ ∑ j = 1 n θ j 2 ] J(\theta) = \frac{1}{2m}\sum_{i=1}^m[(h_\theta(x^i)-y^i)^2+\lambda\sum_{j=1}^n\theta_j^2] J(θ)=2m1i=1m[(hθ(xi)yi)2+λj=1nθj2]

在这里插入图片描述
若正则化参数过大, θ 1 、 θ 2 、 θ 3 . . . \theta_1、\theta_2、\theta_3... θ1θ2θ3...趋于0,导致 h θ ( x ) = θ 0 h_\theta(x) = \theta_0 hθ(x)=θ0,图像为一条水平线,且不能经过所有的点,为欠拟合。

Logistic回归的正则化

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

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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