正则化是模型选择的经典方法。 在想到正则化时,需要联系到这个词:结构风险最小化。 结构风险 = 经验风险 + 正则化项/罚项 且一般正则化项是模型复杂度的单调递增函数,即模型越复杂正则化项值就越大。 奥卡姆剃刀原理 “如无必要,勿增实体。” 正则化很符合奥卡姆剃刀原理。为什么呢? 正则化可以选出经验风险和模型复杂度同时较小的模型,正则化是直接作用在优化目标里面的。 在所有可能选择的模型中,能很好解释数据且十分简单才是最好的模型。 END. 参考: 李航,《统计学习方法》