機器學習之正則化（機器學習基石）

正則化的目標 在機器學習問題中有時會由於資料量太少、有雜訊或者是學習模型的複雜度太高會導致一種Ein≈0（樣本內的錯誤率）但是Eout（實際估計中的錯誤率）很高的現象這種現象就叫過擬合（詳情請點擊打開鏈接瞭解過擬合）。正則化的目標就是要優化這種過擬合的現象，而且正則化是通過降低模型複雜度來解決過擬合的。直觀的理解如下圖： 正則化的前置步驟 前提說明：在以下的案例中所有的模型都經過了特徵轉換，都轉換

>>阅读原文<<