Deep Learning Note: 2-2 正则化
解决过拟合问题的主要方法是使用正则化（Regularization）和获取更多数据，但并不是总能获取到更多的数据，或者获取更多数据的成本过高，因此通常首选使用正则化。 1. 逻辑回归的正则化 首先以逻辑回归为例，说明正则化的过程。逻辑回归的代价函数为： \begin{equation} J(w, b) = \frac{1}{m} \sum_{i=1}^m L(\hat{y}^{(i)}, …
Read more
learn, build, evaluate
解决过拟合问题的主要方法是使用正则化（Regularization）和获取更多数据，但并不是总能获取到更多的数据，或者获取更多数据的成本过高，因此通常首选使用正则化。 1. 逻辑回归的正则化 首先以逻辑回归为例，说明正则化的过程。逻辑回归的代价函数为： \begin{equation} J(w, b) = \frac{1}{m} \sum_{i=1}^m L(\hat{y}^{(i)}, …
Read more