正则化技术被用来防止过度拟合统计的预测模型。通过引入更多的信息到模型中,正则算法可以通过使模型更简洁,准确地处理多重和冗余的预测。这些算法通常通过申请复杂点球如通过将模型的系数为最小化或包括粗糙惩罚工作。
技术和算法正规化重要的包括岭回归(也称为正则化),套索和弹性网络算法,以及跟踪情节和交叉验证均方误差。您还可以应用赤池信息量准则(AIC)的拟合优度,一个度量。
有关正则化技术的更多信息,请参阅统计和机器学习工具箱。
正则化技术被用来防止过度拟合统计的预测模型。通过引入更多的信息到模型中,正则算法可以通过使模型更简洁,准确地处理多重和冗余的预测。这些算法通常通过申请复杂点球如通过将模型的系数为最小化或包括粗糙惩罚工作。
技术和算法正规化重要的包括岭回归(也称为正则化),套索和弹性网络算法,以及跟踪情节和交叉验证均方误差。您还可以应用赤池信息量准则(AIC)的拟合优度,一个度量。
有关正则化技术的更多信息,请参阅统计和机器学习工具箱。
也可以看看:机器学习