【機器學習】--魯棒性調優之L1正則,L2正則

一、前述 魯棒性調優就是讓模型有更好的泛化能力和推廣力。 二、具體原理 1、背景 第一個更好,因爲當把測試集帶入到這個模型裏去。如果測試集本來是100,帶入的時候變成101,則第二個模型結果偏差很大,而第一個模型偏差不是很大。 2、目的 魯棒性就是爲了讓w參數也就是模型變小,但不是很小。所以引出了 L1和L2正則。  L1和L2的使用就是讓w參數減小的使用就是讓w參數減小。 L1正則,L2正則的出
相關文章
相關標籤/搜索