@正則化 / 博客 RSS 訂閱

Dec 15 2025

明日cto - 機器學習——線性迴歸

線性迴歸是機器學習中最基礎、最常用的算法之一，主要用於預測連續數值（如房價、温度、銷售額等）。它通過建立一個線性關係模型，來擬合輸入特徵與目標變量之間的關係 一、基本概念 1.線性迴歸的定義 線性迴歸是一種監督學習算法，用於預測一個連續的目標變量（輸出）。 模型形式為： 其中： 是目標變量（預測值） 是輸入特徵

機器學習 , 線性迴歸 , yyds乾貨盤點 , 損失函數 , 人工智能 , 正則化

收藏 評論

Dec 06 2025

明日cto - 機器學習——期望與方差

期望、方差是統計學中的核心概念，廣泛應用於機器學習的模型評估、特徵分析、正則化方法等領域。以下是對它們的系統講解，包括定義、性質、計算方法及實際應用 一、期望（Expectation） 1. 定義 期望是隨機變量在大量實驗中的“平均值”，用於描述其中心趨勢。 離散隨機變量： 連續隨機變量：

機器學習 , yyds乾貨盤點 , 人工智能 , 正則化 , 方差

收藏 評論

Nov 18 2025

雲端小仙童 - deepseek 工作流

前言：本筆記是對近日閲讀keynote“Troubleshooting Deep Neural Networks”的總結。 keynote來源： http://josh-tobin.com/troubleshooting-deep-neural-networks

數據集 , 數據 , deepseek 工作流 , aigc , 正則化 , bard

收藏 評論

Dec 02 2025

數據大俠客 - sklearn linearregression畫出損失函數曲線和曲面

1. 簡單列子： 一個損失函數L與參數x的關係表示為： 則 加上L2正則化，新的損失函數L為 ：（藍線） 最優點在黃點處，x的絕對值減少了，但依然非零。 如果加上L1正則化，新的損失函數L為 ：（粉線）

數據 , 雲計算 , 損失函數 , 正則化 , 雲原生

收藏 評論

Dec 14 2025

TwcatL - 深度學習中的正則化技術全攻略：從基礎到進階，告別過擬合

在深度學習實踐中，你是否曾遇到過這樣的困境：模型在訓練集上表現完美，準確率高達99%，但一到測試集就“原形畢露”，準確率驟降至60%；模型參數越來越多，訓練過程中損失函數震盪不止，始終無法穩定收斂。這些問題的核心，往往指向同一個“元兇”——過擬合。而過擬合的剋星，正是正則化技術。今天，我們就從正則化的核心原理入手，全面拆解從基礎的L1/L2正則化，到進階的Dropout、早停，再

指尖人生 , 數據 , 權重 , 正則化 , jquery , 前端開發

收藏 評論

Dec 08 2025

代碼天地 - 完全突破最強算法模型，XGBoost！！

今天咱們和大家一起聊聊關於 XGBoost 的一個算法案例：XGBoost 在股市波動預測中的應用。 當然，僅僅作為算法模型的學習，切勿用於真實情況。 下面，咱們從原理到案例，好好説説~ XGBoost原理 XGBoost（eXtremeGradient Boosting）是一個基於梯度提升決策樹（GBDT）實現的高效分佈式機器學

服務器 , 數據 , 正則化 , 時間序列 , 分佈式

收藏 評論