摘要：
2016/5/7 星期六 22:46 即使用 岭回归或者 lasso 回归 它的思路就是使用了 次方很高的的方法 而不是 同时具有：W 正则化项 的约束 曲线拟合 ，即多项式回归 考虑的不是高维度，二十多个因子 而对于 X^2 可以视为 feature map，即也是一种 因素 即：new 特征啊 阅读全文
posted @ 2016-05-13 11:03 洞明 阅读(721) 评论(0) 推荐(0)
|
|||
|
摘要：
2016/5/7 星期六 22:46 即使用 岭回归或者 lasso 回归 它的思路就是使用了 次方很高的的方法 而不是 同时具有：W 正则化项 的约束 曲线拟合 ，即多项式回归 考虑的不是高维度，二十多个因子 而对于 X^2 可以视为 feature map，即也是一种 因素 即：new 特征啊 阅读全文
posted @ 2016-05-13 11:03 洞明 阅读(721) 评论(0) 推荐(0) |
|||
浙公网安备 33010602011771号