关于：Regularizationの话题(技术问答) - 万象大数据平台 - 万象素材

49

L1和L2正则化来源及其如何防止过拟合

张3 发布于 2025-10-20
收藏 Regularization

正则化（Regularization）在机器学习中扮演着控制模型复杂度，降低过拟合的重要角色。其核心在于在目标函数中添加惩罚项，对复杂的模型进行"惩罚"。数学表达形式为：[公式]。其中，[公式]代表训练样本和标签，[公式]是权重系数向量，[公式]为目标函数，[公式]为惩罚项，参数[公式]控制正则化强度。常见的...

49

机器学习基石笔记14:正则化(Regularization)

张3 发布于 2025-10-20
收藏 Regularization

regularization 正则化 regularizing operator 正则化算子 regularization

49

什么是 L1/L2 正则化 (Regularization)

张3 发布于 2025-10-20
收藏 Regularization

量子场论中的正规化和重整化的定义如下：正规化（Regularization）定义：正规化是指在量子场论中，为了处理计算中出现的发散（无穷大）量，而采用的一种数学技巧或方法，使得原本发散的表达式变得有限或可计算。解释：在量子场论的计算中，由于粒子间的相互作用，往往会出现发散的积分或求和，这些发散项通常...

49

什么是tikhonov正则化方法

张3 发布于 2025-10-20
收藏 Regularization

过拟合问题在机器学习中是一个常见的挑战，它指的是模型过度适应于训练数据，导致在未见过的数据上表现不佳。我们可以通过引入正则化手段，如L1和L2正则化，来缓解这一问题。L1和L2正则化是在损失函数中添加额外项，这个项与参数值的大小有关。如果参数值是每个参数的平方，我们称其为L2正则化；如果...

49

11.Overfitting&Regularization

张3 发布于 2025-10-20
收藏 Regularization

定义：正则化(regularization)，是指在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。大条件数意味着舍入误差或其它误差会严重地影响问题的结果。另外给出一个解释性定义：对于线性方程Ax=b，当解x不存在或者解不唯一时，就是...

49

正则化项L1和L2的直观理解及L1不可导处理

张3 发布于 2025-10-20
收藏 Regularization

我整理的笔记来源于网络资源，如存在版权问题，请通过私信告知我，我会删除。作者：松子茶，微博：songzi_tea，原文章链接：NTU-Coursera机器学习:机器学习基石 (Machine Learning Foundations)过拟合(Overfitting)与正规化(Regularization)是机器学习中的关键概念。过拟合是指模型在训练集上表现极佳，但在测试集...

49

正则化详解

张3 发布于 2025-10-20
收藏 Regularization

应用场景：适用于梯度下降等优化算法，以及需要特征权重相近的算法，如神经网络、支持向量机等。正则化（Regularization）：正则化是机器学习中一种防止过拟合的方法，通过在模型的目标函数中引入额外的约束条件（如权重的范数），以限制模型的复杂度。正则化的目的是提高模型的泛化能力，防止在训练集上过拟合...

49

概念归一化、标准化和正则化的区别与联系

张3 发布于 2025-10-20
收藏 Regularization

正则化(Regularization) 机器学习中几乎都可以看到损失函数后面会添加一个额外项,常用的额外项一般有两种,一般英文称作 ℓ1-norm 和 ℓ2-norm ,中文称作 L1正则化和 L2正则化 ,或者 L1范数和 L2范数。 L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制...

49

6种方案|防止模型过拟合(overfitting)!

张3 发布于 2025-10-20
收藏 Regularization

作用：加快模型收敛速度，缓解梯度消失问题，缓解covariance shift问题，并具有一定的正则化效果。六、正则化（Regularization）正则化是一种防止过拟合的手段，不属于数据预处理范围。它通过向损失函数中添加一个正则化项来限制模型的复杂度，从而避免模型在训练数据上表现过好而在测试数据上表现不佳的情况。

关于：Regularizationの话题！

标签动态

技术问答

专栏文章

云+社区

云+市场

技术讲座

标签百科