0
点赞
收藏
分享

微信扫一扫

机器学习(四)过拟合问题

静悠 2022-01-21 阅读 61
机器学习

过拟合问题

欠拟合和过拟合

两种情况都会导致不准确,中间这种情况会相对准确一点。
在这里插入图片描述
如果我们有太多的特征,会拟合的很好,但是可能不能识别新的数据

  1. 减少特征的数量
  2. 正则化:保留所有的特征,但减少magnitude/values(权重)

代价函数

使theta3, theta4更小,则theta3, theta4更趋近0才更满足要求,即加入惩罚
在这里插入图片描述
theta3, theta4更趋近0,相当于简化模型,函数更平滑更简单

cost函数(约定俗称 从j=1开始)
λ是正则化参数,后边那一堆的作用就是,降低不重要参数的权重,使曲线趋近平缓,由蓝色到红色。

在这里插入图片描述

线性回归的正则化

梯度下降优化

因为只对theta_J求导,所以后边增加的那块就不加求和符号了。
在这里插入图片描述
每次迭代时,theta_J乘一个比1略小的数,参数缩小一点,其他一样。
在这里插入图片描述

正则化优化

增加的矩阵是(n+1)*(n+1),即1的个数是n个
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

举报

相关推荐

0 条评论