我正在研究 Christopher Bishop 的模式识别和机器学习。我意识到的是，他将 λ 的值定义为 ln λ。例如：
我们看到，对于 lnλ = -18 的值，过度拟合已被抑制，我们现在获得了更接近底层函数 sin(2πx) 的表示。然而，如果我们对 λ 使用太大的值，那么我们会再次获得较差的拟合，如图 1.7 所示，对于 lnλ = 0
这是什么原因？为什么他不只使用λ？
为什么我们将正则化中的 λ 值确定为 ln λ，例如 ln λ=-18 而不是例如 λ=0.3？
数据挖掘
正则化
2022-03-03 22:02:09
1个回答
我可以假设，这是因为我们可以考虑正则化和对数似然函数，例如，这就是为什么使用这样的表示更方便的原因。使用对数进行计算更容易，例如，当我们想要最小化某些函数时（ln a + ln b = ln(a*b), (ln a)' = 1/a 等）