| 1번째 줄: | 1번째 줄: | ||
==개요== | ==개요== | ||
;regularization rate | ;regularization rate | ||
;[[正則化]][[率]] | |||
;정칙화율 | ;정칙화율 | ||
* 람다(λ)로 표현되는 스칼라값 | * 람다(λ)로 표현되는 스칼라값 | ||
| 16번째 줄: | 17번째 줄: | ||
[[분류: 머신러닝]] | [[분류: 머신러닝]] | ||
[[분류: 正]][[분류: 則]][[분류: 化]][[분류: 率]] | |||
2020년 7월 29일 (수) 00:54 판
1 개요
- 람다(λ)로 표현되는 스칼라값
- 정칙화 함수의 상대적 중요도를 지정한다.
- 다음은 정칙화율의 영향을 보여주는 단순화된 손실 방정식이다.
- [math]\displaystyle{ 최소화(손실\ 함수+\lambda(정규화\ 함수)) }[/math]
- 정칙화율을 높이면 과적합이 감소하지만 모델의 정확성이 떨어질 수 있습니다.
2 같이 보기
3 참고
로그인하시면 댓글을 쓸 수 있습니다.
{{ comment.name }}
{{ comment.created | snstime }}
-
{{comment.page_title}} ―{{comment.name}}