2018年4月17日
正则化方法
摘要： 参考https://blog.csdn.net/liujiandu101/article/details/55103831 参数惩罚： 在损失函数中加入L1,L2范数惩罚项，或使用可以将L1和L2结合起来的ElasticNet回归。 其中L1正则可同时起到特征选择的作用：当L1正则在参数w比较小的情 阅读全文
posted @ 2018-04-17 15:02 FluffyLu 阅读(146) 评论(0) 推荐(0) 编辑