regression
这个模型不好,因为隐藏因素:物种
优化这个模型
不同物种的对应的error线也是不一样的,那么error会更小,fit的更好
当然还和其他的因素有关:不同物种在进化时的情况不同(如红色线),其次有些值略高或略低于直线(产生进化后CP值时有加rand)
此时可以构造更复杂的模型,把想到的因素都考虑进去,此时会fit的很好
得到的train_error很小,但是会过拟合
过拟合了,怎么办呢?
regularization
smooth:此处表示output对输入x的变化不敏感,我们喜欢更平滑的funct
wi越小,那么输入变化对输出影响越小(wi*dea(xi)越小)
lam越大function 越平滑
b(bias)只会让图像上下移动,对平滑程度没影响,那么regularization不需要考虑bias
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· go语言实现终端里的倒计时
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型,支持深度思考和联网搜索!
· 基于 Docker 搭建 FRP 内网穿透开源项目(很简单哒)
· ollama系列01:轻松3步本地部署deepseek,普通电脑可用
· 25岁的心里话
· 按钮权限的设计及实现