知识卡片
正则路径用验证选择超参数
一次glmnet拟合可得到一组lambda及对应系数;在训练外评估各候选,再选适合强度。模型参数由训练学得,lambda是控制过程的超参数。路径是有限候选序列,并非“所有可能结果”;训练误差仍可诊断,但不能独自选择泛化最佳强度。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第6章 正则化:文本回归 避免过拟合的方法 · 连续片段2 · 查看原书依据
lambda为超参数(hyperparameter)。 我们将会在第7章中详细讨论lambda的含义,这里仅给出关于lambda的一个直观概念:lambda很大,说明你对模型的复杂度很在意,你对复杂的模型施以很大的“惩罚”,这个惩罚将迫使所有的模型权重趋向于0;反之,lambda
参考来源
- 位置:《机器学习:实用案例解析》第06章《避免过拟合的方法 · 连续片段2》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3108.html,spine3214)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:lambda为超参数(hyperparameter)。 我们将会在第7章中详细讨论lambda的含义,这里仅给出关于lambda的一个直观概念:lambda很大,说明你对模型的复杂度很在意,你对复杂的模型施以很大的“惩罚”,这个惩罚将迫使所有的模型权重趋向于0;反之,lambda