![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Threelights
这个作者很懒,什么都没留下…
展开
-
机器学习-正则化
在机器学习中,正规化是防止过拟合的一种重要技巧。从数学上讲,它会增加一个正则项,防止系数拟合得过好以至于过拟合。L1就是权重的和:L2是权重的平方和:最小平方损失函数的L1正则化:最小平方损失函数的L2正则化:它们的性质的区别总结如下:L2正则化 L1正则化 计算效率高(因为有解析解) 在非稀疏情形下计算效率低 非稀疏输出 稀...转载 2019-10-28 16:26:55 · 341 阅读 · 1 评论 -
机器学习-损失函数
目录一、常见的MSE、MAE损失函数1.1 均方误差、平方损失1.2 平均绝对误差二、L1_Loss和L2_Loss2.1 L1_Loss和L2_Loss的公式2.2 几个关键的概念三、smooth L1损失函数一、常见的MSE、MAE损失函数1.1 均方误差、平方损失均方误差(MSE)是回归损失函数中最常用的误差,它是预测值与目标值之间差值的平方和,其公式...转载 2019-10-28 10:27:44 · 618 阅读 · 0 评论