第六讲_正则化

第六讲：Regularization 正则化

回顾模型过拟合的原因： - 模型过于复杂，参数多，可能性多 - 训练集、测试集数据量太少，无法完全覆盖所有情况

L^2 正则化

正则化（Regularization）

还是需要调参

L^1 正则化

L1正则化做特征选择

计算L1正则的偏导

• 正则化的作用是防止模型过拟合，通过对模型的参数进行约束，使得模型更加简单和稳定
• 正则化可能使得一些原本可能较大的系数变小，避免了模型过度依赖某些特征，从而提高了模型的泛化能力

关于正则化的问题写了另一篇笔记在这里：

https://blog.csdn.net/m0_74235619/article/details/140866152?spm=1001.2014.3001.5501