知识卡片
损失不光滑要匹配求解方法
绝对残差和在折点不可微,不能沿用所有依赖平滑梯度的推理。但不光滑不等于不存在全局解,也不意味着optim的所有方法都必失败。应选择适配损失与约束的优化方法,并核验收敛和目标值;原例系数输出约−340.4⁄7.56,文字−360/7.7不一致。
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
- · 岭回归
原书出处 · 1 处
- 第7章 优化:密码破译 岭回归 · 查看原书依据
绝对值误差函数时: absolute.error<-function (heights.weights, a,b) { predictions<-with(heights.weights, height.to.weight(Height, a,b)) errors<-with(h
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:绝对值误差函数时: absolute.error<-function (heights.weights, a,b) { predictions<-with(heights.weights, height.to.weight(Height, a,b)) errors<-with(h