【发布时间】:2018-10-23 08:06:11
【问题描述】:
L1 正则化向成本函数添加一个惩罚项以限制权重的大小。我是否正确理解这个惩罚成本函数仅用于优化步骤而不用于计算模型的损失?例如。要计算验证集中模型的损失,要使用未惩罚的损失函数吗?
【问题讨论】:
标签: machine-learning regularized
L1 正则化向成本函数添加一个惩罚项以限制权重的大小。我是否正确理解这个惩罚成本函数仅用于优化步骤而不用于计算模型的损失?例如。要计算验证集中模型的损失,要使用未惩罚的损失函数吗?
【问题讨论】:
标签: machine-learning regularized
是的,你是对的。损失函数衡量模型预测与目标值的差异。惩罚项用于防止过拟合。
【讨论】: