1回答

liuyubobobo

2021-11-11

已采纳

我不很确定你不理解的点在哪里。如果下面的解释还有疑问，请补充说明一下自己具体不理解的点。

简单来说，正则化一个模型，所对应的最优化的式子，有两部分，一部分是原始模型的损失函数，假设叫 J，一部分是正则化项，假设叫 L。

这两部分有一个占比的区别。比如你希望 J 占比 80%，L 占比 20%，那么整个式子就是 0.8J + 0.2L。

但是，J 和 L 的占比前面的两个系数，其实可以合成一个系数。同样是 80% 的 J 和 20% 的 L，我们可以写成 4J + L，也可以写成 J + 0.25L。这两个式子都是 J 的占比是 L 的占比的 4 倍（想想为什么？）。但是前者把 L 的系数化为了 1，后者把 J 前面的系数化为了 1。使得整个式子从两个参数变成了一个参数。

更一般性的，如果 J 前面的系数是 1，我们写成 J + aL。这就是上一章的正则化的式子。我们只需要决定 a 就好。

如果 L 前面的系数是 1，我们写成 CJ + L，这就是这一章正则化的式子，我们只需要决定 C 就好。

继续加油！：）

0

3

亨heng

非常感谢！

2021-11-12

共3条回复