正则化的通俗解释 正则化的方法是什么？

正则化的方法是什么？

定义：正则化是指在线性代数理论中，不适定问题通常由一组线性代数方程组来定义，这些方程组通常来源于具有大量条件的不适定反问题。条件数过大意味着舍入误差或其他误差会严重影响问题的结果。另外，我们给出了一个解释性的定义：对于线性方程AX=B，当解X不存在或不唯一时，就是所谓的不适定问题。但是在很多情况下，我们需要解决不适定问题，那么怎么办呢？对于解不存在的情况，通过增加一些条件来寻找近似解；对于解不唯一的情况，通过增加一些限制来缩小解的范围。这种通过增加条件或限制来解决病态问题的方法称为正则化方法。正则化就是正则化，就是正则化和调整。通过一些调整或其他方法，病态问题也可以得到唯一的解决方案。在这个平差过程中，采用的技术是正则化技术，采用的方法是正则化方法。求解线性方程组的标准方法是最小二乘法，即求解最小值，对于病态的线性方程组，Tikhonov提出的方法称为Tikhonov矩阵

简而言之，机器学习就是根据样本数据训练模型，然后用这个模型计算出测试数据的输出值。由于样本数据存在一定的误差，训练后的模型容易出现“过拟合”（即模型与样本数据几乎匹配，但不是实际模型）。正则化是为了解决“过拟合”问题，使模型更接近实际情况，防止被错误的样本数据“偏误”。

在上图中，图1拟合不足（通常是因为样本数据太少），图2拟合过度。该模型虽然与样本数据完全吻合，但过于复杂和陌生，明显脱离实际。图3是添加正则化后接近真实模型的结果。

机器学习中常常提到的正则化到底是什么意思？

说白了，正则化就是给原来的极值函数增加不确定性，也就是说，你不能满足你给出的所有数据集。那对你的健康有害。我会添加一些随机性和惩罚因素，让你保留一些。

正则化的通俗解释 正则化方法有哪些 l1 l2正则化

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。