2018年7月13日
机器学习：模型泛化（L1、L2 和弹性网络）
摘要： 一、岭回归和 LASSO 回归的推导过程 1）岭回归和LASSO回归都是解决模型训练过程中的过拟合问题 具体操作：在原始的损失函数后添加正则项，来尽量的减小模型学习到的 θ 的大小，使得模型的泛化能力更强； 2）比较 Ridge 和 LASSO 名词 Ridge、LASSO：衡量模型正则化； MSE 阅读全文
posted @ 2018-07-13 19:39 何永灿 阅读(4316) 评论(0) 推荐(0)
机器学习：模型泛化（LASSO 回归）
摘要： 一、基础理解 LASSO 回归（Least Absolute Shrinkage and Selection Operator Regression）是模型正则化的一定方式； 功能：与岭回归一样，解决过拟合或者模型含有的巨大的方差误差的问题； 二、LASSO 回归 以线性回归为例 1）对于岭回归 任 阅读全文
posted @ 2018-07-13 16:22 何永灿 阅读(3548) 评论(0) 推荐(0)
机器学习：模型泛化（岭回归：Ridge Regression）
摘要： 一、基础理解 模型正则化（Regularization） # 有多种操作方差，岭回归只是其中一种方式； 功能：通过限制超参数大小，解决过拟合或者模型含有的巨大的方差误差的问题； 影响拟合曲线的两个因子 影响拟合曲线的两个因子 二、岭回归 岭回归（Ridge Regression）：模型正则化的一种方 阅读全文
posted @ 2018-07-13 10:15 何永灿 阅读(2349) 评论(0) 推荐(0)
Numpy：np.random 的使用
摘要： np.random.uniform() 阅读全文
posted @ 2018-07-13 09:06 何永灿 阅读(216) 评论(0) 推荐(0)