正则化是为了降低模型的复杂度,模型过于复杂,则过拟合;
与傅里叶变换类似,高频的部分表示细节,尽量减少高频部分的影响;
傅里叶级数也是,高阶表示细节;
当阶数较高时,在不降低拟合结果的前提下,降低高阶项的系数;
高阶部分的系数会很小,但不一定是0,所以用0-范数不合适,用1-范数或2-范数。
对于多项式拟合,也可以用稀疏编码来解释,这里的基向量就是{ },找出一组系数{ },使得系数{ }的大多数项都是0或接近于0,只有少数项远大于0. 低阶项表示多项式的大概形状,高阶项表
正则化是为了降低模型的复杂度,模型过于复杂,则过拟合;
与傅里叶变换类似,高频的部分表示细节,尽量减少高频部分的影响;
傅里叶级数也是,高阶表示细节;
当阶数较高时,在不降低拟合结果的前提下,降低高阶项的系数;
高阶部分的系数会很小,但不一定是0,所以用0-范数不合适,用1-范数或2-范数。
对于多项式拟合,也可以用稀疏编码来解释,这里的基向量就是{ },找出一组系数{ },使得系数{ }的大多数项都是0或接近于0,只有少数项远大于0. 低阶项表示多项式的大概形状,高阶项表