牛客sp

l1和l2.大家都怎么解释的,为什么l1正则化就是先验服从拉普拉斯分布呢?这个是为啥?
全部评论
prml上面第一章关于这个写的很清楚明了
点赞 回复 分享
发布于 2019-07-30 21:42
你可以看下 拉普拉斯分布 的公式,以及 最大似然估计 (MLE) 和 最大后验概率(MAP) 的区别。 简单理解就是: 最大后验概率(MAP) 推到最后多了一个 P(\theta) theta就是模型的参数,需要你估计 theta 的分布,如果你认为 theta 满足 拉普拉斯分布,那就等价于在最大似然估计的基础上,利用结构风险最小化原则,对模型加了 L1正则。
点赞 回复 分享
发布于 2019-07-30 20:19

相关推荐

03-06 20:09
贵州大学 Java
King987:你这个学历找个中大厂刷实习经历都是可以的,但是项目要有亮点才行,这个什么外卖就不要做了,去找找最新的项目,至少涉及高并发或者是新型的AI技术mcp rag啥的 ,我在出简历点评,但是你这个没什么好点评的,内容太少,而且含金量太低。自己改一改吧,或者看一下我的项目地址中,那里有大厂最近做过的实习项目
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务