深度學習中的正則化

任何可以使學習算法有降低泛化誤差意向的改動都是正則化。一個有效的正則化就是能顯著地降低方差而不過度增加偏差。 最好的擬合模型總是一個適當正則化的大型模型! 1,參數範數懲罰與約束範數懲罰 L2參數懲罰(嶺迴歸):特徵權重衰減,可以解釋爲權重爲高斯先驗的MAP貝葉斯推斷。 L1參數懲罰(Lasso迴歸用到L1):特徵稀疏,有特徵選擇的效果,可以解釋爲權重爲Laplace先驗的MAP貝葉斯推斷。 約束
相關文章
相關標籤/搜索