机器学习基石第十四讲笔记

本文深入探讨了规则化方法在机器学习中的应用,包括规则化假说集的概念、权重衰减规则化及其背后的数学原理,并讨论了规则化与VC维理论的关系,以及不同类型的规则化器如何选择。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Lecture 14: Regularization 规则化

14-1 规则化假说集

regularization:the magic 从多次的hypothesis set走回到低次的hypothesis set,避免了overfit的发生。

ill-posed problems:指有很多的函数都满足solution,所以要限制一下,不然会出现问题。

so how to step back?


高次的hypothesis和低次的区别只是高次项系数为0,这也就是为什么在图中,H2包括在H10中。


那么当把高次8个系数设为0修改为任意8个系数设为0时:


那么H2'可以视作H2和H10的中间选项,比H2要更灵活,比H10要更少冒险。

但有一个bad news:找到一个好的sparse H2',是一个NP-hard问题。

对H2'的进一步改写,算w^2求和小于一个定值的时候,对应的hypothesis为:


那么H(C)和H2'是有overlap的,但不是完全相同。

显而易见地,随着C的增大,有如下包含关系:


14-2 Weight Decay Regularization

上一节的公式写出来为:


可以画图表示为:


现在在点w上,要朝着负梯度的方向滚下去,一路很顺利的话到点wlin,即linear regression的solution。

而限制条件,是w要在半径是根号C的圆里面,所以大部分情况下,w在圆的边际,那么这时要判断w是否是最佳解。

判断依据:在符合条件的情况下,是否还能从山坡上往下滚。(不能出限制的圆)

所以要向垂直于圆的法向量normal的地方走,即绿色箭头的方向。

那也就是说,如果现在是最好的解wREG上时,有:


此时:


解方程式后得到:

如果知道numda,问题会变得简单很多。


numda大的时候会underfit,太小会overfit。

只需要一点点的numda:a little regularization goes a long way。

numda越大,则w越短越好,C较小比较好,所以这种regularization叫做weight decay regularization,倾向于把系数变小。


14-3 规则化和VC维理论



这节基本没听懂。。不写了


14-4 General Regularizers

规则化的选择方式: target-dependent, plausible or friendly

区分一下L2 Regularizer和L1 Regularizer的区别


noise越高,regularization能发挥越好的效果。


内容概要:本文档详细介绍了Analog Devices公司生产的AD8436真均方根-直流(RMS-to-DC)转换器的技术细节及其应用场景。AD8436由三个独立模块构成:轨到轨FET输入放大器、高动态范围均方根计算内核和精密轨到轨输出放大器。该器件不仅体积小巧、功耗低,而且具有广泛的输入电压范围和快速响应特性。文档涵盖了AD8436的工作原理、配置选项、外部组件选择(如电容)、增益调节、单电源供电、电流互感器配置、接地故障检测、三相电源监测等方面的内容。此外,还特别强调了PCB设计注意事项和误差源分析,旨在帮助工程师更好地理解和应用这款高性能的RMS-DC转换器。 适合人群:从事模拟电路设计的专业工程师和技术人员,尤其是那些需要精确测量交流电信号均方根值的应用开发者。 使用场景及目标:①用于工业自动化、医疗设备、电力监控等领域,实现对交流电压或电流的精准测量;②适用于手持式数字万用表及其他便携式仪器仪表,提供高效的单电源解决方案;③在电流互感器配置中,用于检测微小的电流变化,保障电气安全;④应用于三相电力系统监控,优化建立时间和转换精度。 其他说明:为了确保最佳性能,文档推荐使用高质量的电容器件,并给出了详细的PCB布局指导。同时提醒用户关注电介质吸收和泄漏电流等因素对测量准确性的影响。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值