可用于
"Lambda"的值范围是否有任何限制 - 线性回归中的正则化器常量。[机器学习问题]
当 Lambda 值为 100 时，我很好地拟合了数据。这是否在"实际"可接受的限制中？
我认为从理论上讲，Lambda 的价值很好，但用于实际用途？
[解决家庭作业问题需要小澄清。
我不认为lambda的实用价值是有限的。你选择了最适合你的问题的方法并坚持下去。例如，如果你有太多的特征而太少的数据，那么模型就会趋于过度拟合，你必须用更大的λ来对抗它（更好的办法是获取更多数据或删除一些特征）。另一方面，如果你有大量的数据和相对较少的特征，那么过度拟合将不是一个大问题，lambda可以更小。
选择 Lambda 的一种方法是使用 lambda [A .B]（其中 A>0、B>A），然后在交叉验证集上绘制成本函数。它将接近凸曲线，对应于全局最小值的 lambda 将是最佳曲线。
有关更完整的解释，请观看此讲座：https://class.coursera.org/ml/lecture/preview/63