← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9877.f.1.f.1 · 生成模型:GPT-6

类参数相似性可加罚

理解等级:高级

不同类的相似背景或形状容易引发互相误分。极大不相关多元逻辑回归在分类损失之外惩罚类参数的重叠,通过不等式用各对系数范数平方的乘积替代内积平方。替代项只取决于长度,不能直接识别两个等长向量的夹角。该惩罚着眼于类别之间的区分,效果宜看相似类别的混淆变化,不能只看平均准确率或假定类参数变得严格正交。

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

    参考来源

    - 位置:《分布式机器学习:交替方向乘子法在机器学习中的应用》第8章《极大不相关多元逻辑回归》8.2.1 基于多元逻辑回归算法的改进(来源项目 book-source,源文件:extracted/分布式机器学习:交替方向乘子法在机器学习中的应用/_epub-src/OEBPS/Text/chapter8.xhtml) - 结论依据:8.2.1 基于多元逻辑回归算法的改进中的定义、更新式或实验叙述提供本卡依据。不同类的相似背景或形状容易引发互相误分。 - 原始内容:其一,该正则项能够惩罚相关的参数集,通过最小化结构损失函数,能够实现保留更多不相关的、有判别的特征;其二,该正则项能够惩罚较大的参数,使得算法针对噪声数据具有较高的鲁棒性。