Регуляризация контролирует связанные коэффициенты с функциями в различных моделях моделирования.
В реальных задачах большой набор данных может быть проблематичным по следующим причинам: -
- Достаточно большой, чтобы модель была склонна к переоснащению.
- Достаточно большой, чтобы повлиять на вычислительную сложность модели и усугубить ее.
Когда мы решаем для линейной или нелинейной модели, мы в конечном итоге получаем связанный вектор коэффициентов B, где B [i] представляет собой связанный коэффициент i-го признака.
Теперь иногда мы можем решить проблему таким образом, что многие коэффициенты будут достаточно большими, чтобы контролировать вывод или подавлять присутствие других функций. Регуляризация — это решение обеих проблем, и говорят, что это «расплывчатый метод выбора признаков».
У каждого члена регуляризации есть переменная альфа, которая управляет весами (коэффициентами) . Как показано на рисунке выше, при уменьшении значения альфа коэффициент увеличивается.
Регуляризация относится к вышеуказанному типу, но является регуляризацией лассо, и, следовательно, существуют типы регуляризации, и чтобы узнать больше об этом, ознакомьтесь с другой статьей о «Лассо» и «Регуляризации хребта».
