我有一个关于在添加正则化强度λ参数时训练你的模型的一般问题,因为它会对你的分数进行惩罚,以防止过度拟合(据我从下面链接的课堂和Tootone答案中所知(
所以我们需要尽可能地减少λ,这样我们就可以使用它的逆
我的问题是>>为什么使用负值不是一种正确的方法?并且不能给出正确的预测
什么是逻辑回归中正则化强度的倒数?它应该如何影响我的代码?
当包含正则化参数时,通常会修改成本函数,以最小化
C(x(+λ*p(x(
其中C(x(是成本函数,p(x(>0是惩罚。如果λ<0,则当您应该受到惩罚时,您将因受到高额惩罚而获得奖励。