一、代价函数的惩罚项
当模型过拟合时,要减少某个输入变量x对预测结果的影响,只需要保证其对应的参数θ足够小即可,这可以通过改动代价函数来实现。
例如
在这个代价函数中,要保证取最小值两个参数的值就需要接近0。
这种方式就是给模型加入惩罚项,一般会对所有的参数进行这样的约束。
一、线性回归的正则化
1. Gradient descent
Repeat{
当模型过拟合时,要减少某个输入变量x对预测结果的影响,只需要保证其对应的参数θ足够小即可,这可以通过改动代价函数来实现。
例如
在这个代价函数中,要保证取最小值两个参数的值就需要接近0。
这种方式就是给模型加入惩罚项,一般会对所有的参数进行这样的约束。
1. Gradient descent
Repeat{