W1和W2两个模型，尽管截然不同，但会得到相同的运算结果。W1很容易出现过拟合的问题。
为了解决这个问题，加入一个用来惩罚权重参数的正则化惩罚项。
惩罚过后，w2的损失函数明显小于w1，说明w2模型的效果更好。
W1和W2两个模型，尽管截然不同，但会得到相同的运算结果。W1很容易出现过拟合的问题。
为了解决这个问题，加入一个用来惩罚权重参数的正则化惩罚项。
惩罚过后，w2的损失函数明显小于w1，说明w2模型的效果更好。
本文标题：机器学习与深度学习（五）：正则化惩罚项
本文链接：https://www.haomeiwen.com/subject/pbvnxftx.html
网友评论