知识卡片
正则化约束学习
正则化通过修改学习过程降低泛化误差风险,例如在训练目标上添加参数惩罚项。惩罚强度控制拟合数据与约束参数的权衡;约束过强也可能导致欠拟合,效果须用验证数据判断。
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
- 常见挑战及对策:一切为了泛化能力 · 查看原书依据
它通过在损失函数中加入对模型参数权重矩阵中各元素绝对值之和的惩罚项
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第5章《常见挑战及对策:一切为了泛化能力》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0008.xhtml`)
- 结论依据:原文及图示说明训练问题和策略;必要处补充条件,避免将示例结论绝对化。
- 原始内容:它通过在损失函数中加入对模型参数权重矩阵中各元素绝对值之和的惩罚项