正则化_逻辑回归的正则化

本文是吴恩达《机器学习》视频笔记第43篇,对应第3周第11个视频。

“Regularization——Regularized logistic regression”。

e4ff23a3fea28c8859431e58ee6b5c32.png

对于逻辑回归代价函数的优化,我们前面也讲过两种办法:(1)比较通用的梯度下降法;(2)一类比较高级的方法,就是想办法计算出代价函数的导数,类似于线性回归中的正规方程的方法。

本小节介绍如何使用正则化解决逻辑回归的问题。

如上上小节所述,逻辑回归分类的过拟合问题,会使得决策边界非常的扭曲。

f2be99333b19bdc27c9ed0700cb68835.png

类似的,加入正则化项后的代价函数是:

055e2d845ccfd329ada9c23200caf28f.png

与线性回

  • 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