诚心往事

文章
5
资源
0
加入时间
2年10月21天

AI:机器学习的正则化 (Regularization)机器学习:正则化 (Regularization)正则化的方法1.参数正则化2. 经验正则化(早停、丢弃Dropout)博主热门文章推荐:

机器学习之正则化 (Regularization)1.参数正则化1.1 L2 Regularization(Ridge Regression,权重衰减)1.2 L1 Regularization:将噪点相关权重系数设为0(也叫稀疏正则化)1.3 L1/L2对比:2. 经验正则化(早停、丢弃Dropout)为什么要正则化:让模型不要过于依赖样本数据 - 正则化主要思想:降低模型的复杂度 - 正则化主要目的:防止模型过拟合 - 正则化实现思路:最小化损失Loss+ 最小复杂度

【学习笔记】反悔贪心

最近做到了两道题,有同一种思想方法,我称之为“反悔贪心”先放我的两只题解LuoGu3620: [APIO/CTSC 2007]数据备份LuoGu4597:序列sequence到底什么是反悔贪心呢,首先是贪心,然而贪心并不是最优的,我们这是需要增添一个反悔机制来进行优化这个贪心比如我放的第一题,贪心策略就是每次取最小的,但是可能不是最优的,所以引入反悔贪心,把某个值AAA取出后,加入B−A...