微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦!

机器学习 – 为什么偏差项在岭回归中没有正则化?

在大多数分类(例如逻辑/线性回归)中,在正则化时忽略偏差项.如果我们不规范偏见项,我们会得到更好的分类吗?
例:
Y = aX + b

正则化是基于这样一种观点,即对Y的过度拟合是由“过于具体”引起的,可以说,这通常表现为一个元素的大值.

b仅仅抵消了这种关系,因此其规模远不如此问题重要.此外,如果出于任何原因需要大的偏移量,则使其正常化将阻止找到正确的关系.

所以答案就在于:在Y = aX b中,a与解释变量相乘,b被加到它上面.

原文地址:https://www.jb51.cc/regex/356552.html

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐