技术栈
正则化
墨@#≯
24 天前
机器学习
·
分类
·
回归
·
正则化
·
过拟合
回归与分类中的过拟合问题探讨与解决
欠拟合和过拟合是回归和分类问题中可能会遇到的现象。这两概念的解释以及解决的办法我在之前的博文[1]中有过介绍，不过在这篇文章中介绍得比较粗糙，本文想要更系统地对这两个概念进行阐述和实践。也算是对博文[1]的补充和拓展。
Zero_one_ws
4 个月前
人工智能
·
神经网络
·
算法
·
机器学习
·
正则化
·
神经网络优化
06 网络优化与正则化
目录1. 网络优化方法1.1 优化算法1.1.1 批量大小选择1.1.2 学习率调整1.1.3 梯度估计修正
Jimmy Ding
5 个月前
python
·
机器学习
·
线性回归
·
方差
·
正则化
·
偏差
吴恩达机器学习作业ex5:正则化线性回归和偏差VS方差(Python实现)详细注释
在练习的前半部分，您将实施正则化线性回归，利用水库水位的变化预测流出大坝的水量。在下半部分，您将进行一些调试学习算法的诊断，并检查偏差与方差的影响。所提供的脚本 ex5.m 将帮助您逐步完成本练习。
修炼室
7 个月前
人工智能
·
机器学习
·
支持向量机
·
正则化
·
软间隔
机器学习：深入解析SVM的核心概念【四、软间隔与正则化】
在前面的讨论中,我们一直假定训练样本在样本空间或特征空间中是线性可分的,即存在一个超平面能将不同类的样本完全划分开.然而,在现实任务中往往 很难确定合适的核函数 使得训练样本在特征空间中线性可分; 退一步说,即便恰好找到了某个核函数使训练集在特征空间中线性可分，也很难断定这个貌似线性可分的结果不是由于过拟合所造成的.
Better Bench
10 个月前
算法
·
持续学习
·
连续学习
·
终身学习
·
正则化
·
突触智能
·
脑科学
【博士每天一篇论文-算法】Continual Learning Through Synaptic Intelligence，SI算法
阅读时间：2023-11-23年份：2017 作者：Friedemann Zenke，巴塞尔大学弗里德里希·米歇尔研究所(FMI) Ben Poole，谷歌 DeepMind 研究科学家 期刊： International conference on machine learning. PMLR 引用量：2309