首页 > 试题广场 >

如下哪些方法是用来提升模型的泛化能力的？

[不定项选择题]
如下哪些方法是用来提升模型的泛化能力的？ 
  • ridge
  • Lasso
  • ElasticNet
  • Dropout
查看正确选项
添加回答
石开123头像 石开123
# #损失函数：J(θ)=1/2m(Xθ−Y)T(Xθ−Y)+αρ||θ||+α(1−ρ)/2||θ||2 其中α为正则化超参数，ρ为范数权重超参数 # #alphas=np.logspace(-3, 2, 10), l1_ratio=[.1, .5, .7, .9, .95, .99, 1] ElasticNetCV会从中选出最优的 a和p # #ElasticNetCV类对超参数a和p使用交叉验证，帮助我们选择合适的a和p # #使用场景:ElasticNetCV类在我们发现用Lasso回归太过(太多特征被稀疏为0),而Ridge回归也正则化的不够(回归系数衰减太慢)的时候
发表于 2018-12-19 08:49:30 回复(0)
提交观点

问题信息

运维工程师 算法工程师 乐信 2019 滴滴
来自：2019校园招聘算法工...
上传者：小小
难度：
1条回答 3294浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号