文章目录
学习视频地址:https://www.bilibili.com/video/BV1UK4y1o7dy?p=3
P1 权重衰退
通常不会使用上面的约束,而是使用下面这个约束
如果你要控制模型不要太复杂,λ
变大
直观解释:增加了这一项,相当于把w~向原点拉,拉到w这个平衡点,w的绝对值变小,
相当于模型复杂度变低了。所以λ越大,越限制模型复杂度,复杂度越低!
为什么叫权重衰退
总结
P2 代码实现
当你的数据过小,模型越复杂,过拟合越容易发生
这一节的核心:L2范数惩罚
简介实现:weight_decay
通常大家会选择weight_decay = 1e-3
,但不会选很大例如1
P3 QA
- 不支持(但复数就是二维的东西,可以通过加第二维实现你的效果)
2. 限制模型只在很小的范围取参数,空间就会变小
3. L1范数,你可以自己试一下,效果好到爆炸?
4. 一般取1e-3
- L2默认,这里忽略下标了
6. 数据有噪音,学不到真正的w,λ太小拉一点点,太大拉多一点
7. 没有取平均的意思,L2就是往回拉
8. 1e-3,1e-2,1e-4,都试一下
9. 先λ=0看一下不用的效果,再调1e-3看一下有没有效果,有用但是只有一点点
10. 你可以试一下嘛