Trahvitingimused Regulariseerimine toimib andmete kallutamise teel teatud väärtuste poole (nt väikesed nullilähedased väärtused). … L1 regulaarsus lisab L1 trahvi, mis on võrdne koefitsientide suuruse absoluutväärtusega. Teisisõnu piirab see koefitsientide suurust.
Kuidas L1 ja L2 reguleerimine toimib?
Peamine intuitiivne erinevus L1 ja L2 regulatsiooni vahel on see, et L1 regulaarsus püüab hinnata andmete mediaani, samas kui L2 regulaarsus püüab hinnata andmete keskmist vältige ülepaigutamist. … See väärtus on ka matemaatiliselt andmete jaotuse mediaan.
Kas L1 või L2 reguleerimine on parem?
Praktilisest vaatenurgast kipub L1 koefitsiente kahandama nullini, samas kui L2 kipub koefitsiente ühtlaselt kahandama. L1 on seetõttu kasulik funktsioonide valimisel, kuna saame tühistada kõik nullini minevate koefitsientidega seotud muutujad. L2 on seevastu kasulik, kui teil on kollineaarsed/kaassõltuvad funktsioonid.
Kuidas Regulaizer töötab?
Reguleerimine toimib lisades keerukale mudelile karistuse või keerukuse termini või kokkutõmbumise termini RSS-iga (RSS) . β0, β1, ….. β tähistab erinevate muutujate või ennustajate (X) koefitsientide hinnanguid, mis kirjeldavad vastav alt tunnustele lisatud kaalu või suurusjärku.
Kuidas L1 reguleerimine vähendab ülepaigutamist?
L1 regulaarsus, tuntud ka kui L1 norm või Lasso (regressiooniülesannetes), võitleb ülesobitamise vastu, vähendades parameetreid 0-ni.