機器學習筆記之五——目標函數、經驗風險與結構風險、正則項

1、常見的目標函數（loss/cost function）   2、經驗風險與結構風險    經驗風險 L(f) 就是以上損失函數，描述的是模型與訓練數據的契合程度。函數   結構風險Ω(f)對應於過擬合問題，用正則項解決過擬合是結構風險的課題。blog   3、正則項 正則項本來有兩種，L1正則項與L2正則項，後面還出現了L1和L2的中庸形態——Elasitc Net。it   首先，L1正則項

>>阅读原文<<