2020年12月28日
Machine Learning --> L1 & L2正则化
摘要： 1.为什么要进行正则化？ 机器学习中，如果参数过多，模型会变得复杂，易overfit，即模型在训练样本数据上表现的很好，但在实际测试样本上表现的较差，不具备良好的泛化能力。为了避免过拟合，最常用的一种方法就是使用正则化，从而限制模型参数更多/更大，避免模型的复杂。 2.L1正则化：在原损失函数的基础 阅读全文
posted @ 2020-12-28 15:38 阿洛萌萌哒 阅读(126) 评论(0) 推荐(0) 编辑