runxinzhi.com
首页
百度搜索
参数的范数正则/惩罚(parameter norm penalties)
1. L2 范数
J
~
(
w
;
X
,
y
)
=
J
(
w
;
X
,
y
)
+
α
2
w
T
w
J
表示的是原始的目标函数,
J
~
则是二范数约束后的新的目标函数。
则根据梯度下降算法有:
∇
w
J
~
=
∇
w
J
+
α
w
w
←
w
−
ϵ
∇
w
J
~
=
w
−
ϵ
(
∇
J
+
α
w
)
w
←
(
1
−
α
ϵ
)
w
−
ϵ
∇
J
相关阅读:
快速排序和二分查找
机器学习实战6-线性回归
机器学习实战5-AdaBoost
机器学习实战4-SVM
机器学习实战3-贝叶斯分类
机器学习实战2-决策树
win10下caffe安装与mnist测试实验注意点
机器学习实战1-K均值
scikit-learn中机器学习模型比较(逻辑回归与KNN)
结合前向后向算法求隐马尔科夫模型观测序列O的概率
原文地址:https://www.cnblogs.com/mtcnn/p/9422396.html
最新文章
jQuery对象与DOM对象的区别
国内手机号正则表达式
Datatables表格的使用
插槽
Promise
ES6
vue组件
webpack的配置
vue切换登录方式
vue购物车案列
热门文章
转载
进线程对比
python之如何输出带颜色的文字
sql优化经验
java中级工程师知识点
sql优化初级
sql语法
mysql特性
redis、memcache等内存数据库对比
编程思考
Copyright © 2020-2023
润新知