为什么正则化强度负值不是一个正确的方法

Question

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？

Answer 1

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。