<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[coszero的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/coszero</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; coszero]]></copyright><item><title><![CDATA[从贝叶斯角度看正则化]]></title><link>https://blog.youkuaiyun.com/coszero/article/details/103228616</link><guid>https://blog.youkuaiyun.com/coszero/article/details/103228616</guid><author>coszero</author><pubDate>Sun, 24 Nov 2019 20:48:15 +0800</pubDate><description><![CDATA[Regularization: A Bayesian point of view
Introduction
​	正则化(regularization)是防止模型过拟合(overfitting)的 有效方式之一。常用的正则化包括L1正则和L2正则，我们知道使用L1正则化的回归对应LASSO(最小绝对收缩选择因子)回归，使得参数稀疏化，倾向于产生稀疏模型，是一种嵌入式特征选择方法，其特征选择过程和学习...]]></description><category></category></item></channel></rss>