因为格式问题和公式问题,请前往我的博客: https://blog.kaaass.net/archives/611
1
suiterchik 2017-04-23 17:17:27 +08:00
然而还是没有说到要点上
正则化无非是为了满足设计者对参数的一些偏好所引入的约束罢了 |
2
KAAAsS OP @suiterchik 从某种程度上,您这样说没错。但是正则化之所以能有效解决过拟合,还是有其道理的。文章其实就是想说明这个道理。当然,我认为除了“满足偏好”之外,正则化还是会让模型更加 perfect 的。
|
3
menc 2017-04-23 17:46:56 +08:00 1
@suiterchik
写的挺好的,硬生生加入一个对参数大小的约束是缺乏解释性的,不能因为"它运行的很好"就说“它是对的”,所有能够让模型跑的更好的 trick ,一定都要有 learning theory 的支撑。 |
4
menc 2017-04-23 17:53:47 +08:00
不过原文先验和后验概率的定义写反了
|
5
hackpro 2017-04-24 11:20:57 +08:00
可以尝试提供一个直观点的解释:
相对于低阶模型,高阶模型引入的额外参数往往绝对值较大,使得模型在数据集上具有高频分量。引入正则化后系数参数明显变小,相当于削弱高阶项引入的额外的参数的权重。 |