首页 > 分享 > tensorflow笔记之l2正则化

tensorflow笔记之l2正则化

最新推荐文章于 2023-12-31 08:31:18 发布

Asuka明日香 于 2019-03-20 19:45:14 发布

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

正则化是为了防止过拟合现象的出现,什么是过拟合

在机器学习的模型中,如果模型的参数太多,而训练样本又太少,训练出来的模型很容易产生过拟合的现象。在训练神经网络的时候经常会遇到过拟合的问题,过拟合具体表现在:模型在训练数据上损失函数较小,预测准确率较高;但是在测试数据上损失函数比较大,预测准确率较低。

过拟合是很多机器学习的通病。如果模型过拟合,那么得到的模型几乎不能用。为了解决过拟合问题,一般会采用模型集成的方法,即训练多个模型进行组合。此时,训练模型费时就成为一个很大的问题,不仅训练多个模型费时,测试多个模型也是很费时。

下面是关于对散点划出分界线的代码

"""

Created on Tue Mar 19 20:44:32 2019

@author: Admin

"""

import matplotlib.pyplot as plt

import tensorflow as tf

import numpy as np

BATCH_SIZE=8

seed=2

rdm=np.random.RandomState(seed)

X=rdm.randn(300,2)

Y_=[int(x0*x0+x1*x1<2) for (x0,x1) in X]

相关知识

TensorFlow学习记录(八)
机器学习术语表
机器学习(04)——常用专业术语2
机器学习常用术语
Google发布机器学习术语表 (包括简体中文)
干货来袭,谷歌最新机器学习术语表
完结撒花!吴恩达DeepLearning.ai《深度学习》课程笔记目录总集
机器学习入门13
深入理解深度学习——正则化(Regularization):噪声鲁棒性
Tensorflow学习笔记——搭建神经网络

网址: tensorflow笔记之l2正则化 https://m.huajiangbk.com/newsview764481.html

所属分类:花卉
上一篇: 依旧别情花字体免费下载和在线预览
下一篇: 汉仪花木兰w下载 汉仪花木兰W