JustForCS

摘要： 在机器学习中，无论是分类还是回归，都可能存在由于特征过多而导致的过拟合问题。当然解决的办法有 （1）减少特征，留取最重要的特征。 （2）惩罚不重要的特征的权重。 但是通常情况下，我们不知道应该惩罚哪些特征的权重取值。通过正则化方法可以防止过拟合，提高泛化能力。 先来看看L2正则化方法。对于之前梯度下 阅读全文

摘要： 正则化方法：防止过拟合，提高泛化能力 在训练数据不够多时，或者overtraining时，常常会导致overfitting（过拟合）。其直观的表现如下图所示，随着训练过程的进 行，模型复杂度增加，在training data上的error渐渐减小，但是在验证集上的error却反而渐渐增大——因为训练 阅读全文

摘要： Gamma分布即为多个独立且相同分布（iid）的指数分布变量的和的分布。（最新修改，希望能够行文布局更有逻辑）——————泊松过程——————指数分布和泊松分布的关系十分密切，是统计学中应用极大的两种分布。其中泊松过程是一个显著应用。泊松过程是一个计数过程，通常用于模拟一个（非连续）事件在连续时间中 阅读全文