吴恩达《机器学习》课程总结_正则化

Posted henuliulei

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了吴恩达《机器学习》课程总结_正则化相关的知识,希望对你有一定的参考价值。

Q1过拟合的问题

训练集表现良好,测试集表现差。鲁棒性差。以下是两个例子(一个是回归问题,一个是分类问题)

技术图片

第一个图明显欠拟合,第三个图过度拟合,拟合函数复杂,虽然对于训练集具有很低的代价函数,但是应用到新样本的能力并不高,图二则是两者的均衡。

 

技术图片

解决办法:

技术图片

 

(1)丢弃一些不能帮助我们正确预测的特征。可以使用工选择保留哪些特征,或者使用一些模型选择的算法来帮忙(PCA);

(2)正则化。保留素有的特征,但是减少参数的大小。

Q2代价函数

技术图片

其中λ称为正则化参数。

经过正则化处理的模型和原模型的可能对比如如下:

技术图片

不对θ0正则化。

Q3正则化线性回归

技术图片

技术图片

 

 

对于j=1,2,3……有:

技术图片

技术图片

可以看出,正则化线性回归的梯度下降法的变化在于,每次都会在原有算法的更新规则的基础上令θ值减少了一个额外的值。

技术图片

正规法一次计算全局最小值

Q4正则化的逻辑回归模型

技术图片

逻辑回归模型的正规化与线性回归正规化不同点在于h(x)的不同

 

技术图片

词汇

overfitting problem   ---过度拟合
regularization		---正则化

  

以上是关于吴恩达《机器学习》课程总结_正则化的主要内容,如果未能解决你的问题,请参考以下文章

吴恩达《机器学习》课程总结(19)_总结

吴恩达《机器学习》课程总结神经网络的学习

吴恩达《机器学习》课程总结(19)总结

吴恩达《机器学习》课程总结_logistic回归

吴恩达《机器学习》课程总结(13)_聚类

吴恩达《机器学习》课程总结_多变量线性回归