| 1번째 줄: | 1번째 줄: | ||
==개요== | ==개요== | ||
;L₂ regularization | ;L₂ regularization | ||
;L₂ | ;L₂ 정칙화 | ||
* 가중치 제곱의 합에 비례하여 가중치에 페널티를 주는 정규화 유형 | * 가중치 제곱의 합에 비례하여 가중치에 페널티를 주는 정규화 유형 | ||
* 높은 긍정 값 또는 낮은 부정 값을 갖는 이상점 가중치를 0은 아니지만 0에 가깝게 유도하는 데 도움이 된다. | * 높은 긍정 값 또는 낮은 부정 값을 갖는 이상점 가중치를 0은 아니지만 0에 가깝게 유도하는 데 도움이 된다. | ||
* L₂ | * L₂ 정칙화는 선형 모델의 일반화를 항상 개선한다. | ||
* [[L₁ | * [[L₁ 정칙화]]와 대비되는 개념이다. | ||
==같이 보기== | ==같이 보기== | ||
* [[ | * [[정칙화]](regularization) | ||
* [[L₂ 손실]] | * [[L₂ 손실]] | ||
* [[L₁ | * [[L₁ 정칙화]] | ||
==참고== | ==참고== | ||
2020년 7월 28일 (화) 02:04 판
1 개요
- L₂ regularization
- L₂ 정칙화
- 가중치 제곱의 합에 비례하여 가중치에 페널티를 주는 정규화 유형
- 높은 긍정 값 또는 낮은 부정 값을 갖는 이상점 가중치를 0은 아니지만 0에 가깝게 유도하는 데 도움이 된다.
- L₂ 정칙화는 선형 모델의 일반화를 항상 개선한다.
- L₁ 정칙화와 대비되는 개념이다.
2 같이 보기
3 참고
로그인하시면 댓글을 쓸 수 있습니다.
{{ comment.name }}
{{ comment.created | snstime }}
-
{{comment.page_title}} ―{{comment.name}}