L1惩罚项和L2惩罚项

x即为参数。L2正则化参数从公式5可以看到，λλ越大，θjθj衰减得越快。另一个理解可以参考图2，λλ越大，L2圆的半径越小，最后求得代价函数最值时各参数也会变得很小。...

月半rai

13806人浏览 · 2018-12-10 22:48:56

月半rai · 2018-12-10 22:48:56 发布

x即为参数。

L2正则化参数

从公式5可以看到，λλ越大，θjθj衰减得越快。另一个理解可以参考图2，λλ越大，L2圆的半径越小，最后求得代价函数最值时各参数也会变得很小。

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

提示工程架构师揭秘提升AI性能的独特技巧和策略

你是否遇到过这样的情况？用ChatGPT写文案，结果偏离主题，满篇空话；让Claude解决数学问题，输出的答案逻辑混乱，甚至计算错误；调用自定义LLM模型生成代码，格式乱七八糟，无法直接运行；多轮对话中，模型居然忘了之前的上下文，重复问同样的问题。这些问题的根源，不是AI模型不够强，而是你的prompt没有充分引导模型的潜力。