← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 915.v · 生成模型:GPT-6

岭损失把拟合与收缩合并

理解等级:中级

岭回归在平方残差和外加入lambda倍系数平方和,以较小参数换取稳定性。原例同时惩罚截距a和斜率b,这与许多库不惩罚截距的约定不同;lambda的数值也受是否平均损失及特征尺度影响,不能直接跨实现搬用。

这张卡片看不懂?

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7章 优化:密码破译 岭回归 · 查看原书依据

      return(sum(errors^2)+lambda*(a^2+b^2)) } 正如在第6章所说的,我们可以使用交叉验证来选择最合适的lambda。在本章余下的内容中,我们假设你已经这么做了,并且假设选定的最优的lambda是1。 当我们定义好了岭回归的误差函数时,调用opti

    参考来源

    - 位置:《机器学习:实用案例解析》第07章《岭回归》(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/part3111.html,spine3217) - 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:return(sum(errors^2)+lambda*(a^2+b^2)) } 正如在第6章所说的,我们可以使用交叉验证来选择最合适的lambda。在本章余下的内容中,我们假设你已经这么做了,并且假设选定的最优的lambda是1。 当我们定义好了岭回归的误差函数时,调用opti