1.减少变量
2.正则化
线性回归的正则化
(1)正则化
其中λ有两个作用:(1)使第一部分更好的拟合数据(2)使第二部分参数尽可能的小,从而避免过拟合
PS:λ不宜选的过大,会导致θ过小,从而发生欠拟合
(2)正则化后的梯度下降
PS:(1-α**)的值会小于1,后面α1/m*和一般个梯度更新函数相同,因此整个式子相较于原来的更新函数,θ每一步都比之前都缩小的程度大了点
(3)正则化后的正则方程
逻辑回归的正则化
(1)正则化
(2)梯度下降
高级优化算法的正则化
【机器学习吴恩达】过拟合问题(正则化)
最新推荐文章于 2022-08-05 10:38:43 发布