机器学习 – 为什么偏差项在岭回归中没有正则化?

前端之家收集整理的这篇文章主要介绍了机器学习 – 为什么偏差项在岭回归中没有正则化?前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。
在大多数分类(例如逻辑/线性回归)中,在正则化时忽略偏差项.如果我们不规范偏见项,我们会得到更好的分类吗?
例:
Y = aX + b

正则化是基于这样一种观点,即对Y的过度拟合是由“过于具体”引起的,可以说,这通常表现为一个元素的大值.

b仅仅抵消了这种关系,因此其规模远不如此问题重要.此外,如果出于任何原因需要大的偏移量,则使其正常化将阻止找到正确的关系.

所以答案就在于:在Y = aX b中,a与解释变量相乘,b被加到它上面.

原文链接:https://www.f2er.com/regex/356552.html

猜你在找的正则表达式相关文章