机器学习1.10-线性回归4.pptxVIP

  1. 1、本文档共15页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

机器学习;当你为错过太阳而哭泣的时候,你也要再错过群星了。

我们把世界看错,反说它欺骗了我们。

纵然伤心,也不要愁眉不展,因为你不知是谁会爱上你的笑容

你的负担将变成礼物,你受的苦将照亮你的路。

你微微地笑着,不同我说什么话。而我觉得,为了这个,我已等待得很久了。

阳光肆意泼墨;目录;引起过拟合的常见的点:训练数据过少,特征过多,模型过于复杂。

通过实验发现正则化能帮助减少过拟合!!是解决了特征过多,模型过于复杂问题。

本质是对权重w的约束!

大家经常说起的解释是:在某种程度上,越小的权重复杂度越低,因此能够更简单且更有效地描绘数据,所以我们倾向于选择这样的权重。

;有一种看法是,在科学上,除非迫不得已,我们都应该用更简单的解释。当我们找到一个看起来能解释很多数据点的简单的模型的时候我们会忍不住大喊「找到啦!」。(还记得奥卡姆剃刀原理么?)

毕竟一个简单的解释的出现似乎不可能仅仅是因为巧合,我们猜测这个模型一定表达了关于这个现象的一些潜在真理。

复杂模型往往容易学习到了一些局部噪声的影响(现实的数据总是有噪声的)。因此当一个复杂模型(比如一个n次多项式模型)完美拟合了特定数据集的时候,这样的模型一般都不能很好泛化到其它数据集上,所以包含一定噪声的线性模型在预测中会有更好的表现。;更倾向简单模型的想法,人们有时把它称作「奥卡姆剃刀」,并且就好像它是科学原理一样,热情地应用它。然而,它并不是一个普遍成立的科学原理。并不存在一个先验的符合逻辑的理由倾向于简单的模型,而不是复杂的模型。实际上,有时候更复杂的模型反而是正确的。

需要根据现实的数据和应用来正确的判断,只是大多数情况下,在满足一定性能的前提下,选择更简单的模型;以两个权重为例,为何L1正则化更容易将特征稀疏化,即有特征选择的功能,可以使得一部分特征x的权重w为0。

不同颜色曲线为等高图,颜色越冷表示代价函数J(w1,w2)的值越小,由于被限制在L1的菱形范围内,所以等高线一旦接触到顶点,就满足了限制范围内的最小值,因为圈???往外,J值越大。

因为四个顶点上更容易在极值点上被接触,而四个顶点上,会使得部分w为0。

;完整代码分析

文档评论(0)

godcoovAuxsv + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档