1.最小二乘法解的的推导,几何意义解释最小二乘法

2.从概率的角度解释最小二乘法
结论:最小二乘法等价于最大似然估计(条件是噪音需要满足高斯分布)

3. L2正则化 --- 岭回归
因为最小二乘法任意过拟合,所以引入了正则化。
Ridge:假设先验满足高斯分布,使用L2正则化(权重衰减)
Lasso:假设先验满足laplace分布,使用L1正则化

4. 从概率的角度看正则化
结论:正则化之后的最小二乘法等价于最大后验概率估计(条件是噪音和先验分布都满足高斯分布)



因为最小二乘法任意过拟合,所以引入了正则化。
Ridge:假设先验满足高斯分布,使用L2正则化(权重衰减)
Lasso:假设先验满足laplace分布,使用L1正则化


转载于:https://www.cnblogs.com/nxf-rabbit75/p/10272547.html
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
所有评论(0)