0%

深度学习基础之范数及正则化

本节主要介绍了R方的计算步骤、范数以及正则化。

R方的计算步骤

  • R方可以用于评估回归模型对现实数据的拟合程度

  • 设$y_i$是测试集第$i$个样本的价格,$\bar y$是真实价格的均值,$f(x_i)$是模型对第$i$个样本的预测价格,$n$是样本数量,则$R$方的计算步骤为:

    • 计算残差平方和$SS_{res}$:

    • 计算样本总离差平方和$SS_{tss}$:

    • 最后得到$R$方:

  • $R$方的取值越大,说明模型的效果越好


范数

1.向量范数

  • L1-范数:即向量与元素绝对值之和

  • L2-范数:即向量元素绝对值的平方和再开方

  • $\infty$-范数:即所有向量元素绝对值中的最大值

  • $-\infty$-范数:即所有向量元素绝对值中的最小值

  • $p$-范数:即向量元素绝对值的$p$次方和的$\frac1p$次幂

2.矩阵范数

假设矩阵A为$m\cdot n$,即m行n列

  • L1-范数:即矩阵的所有列元素绝对值之和的最大值

  • L2-范数:即$A^TA$矩阵的最大特征值开平方

  • $\infty$-范数:即矩阵的所有行向量元素绝对值之和的最大值

  • F-范数:即矩阵元素绝对值的平方和再开平方


线性回归的正则化

  • 其目的是应用过拟合

  • 在原有损失函数中加入正则化项:

  • 其中$\alpha$是正则化参数

  • 可以通过交叉验证的方式设置调整超参数$\alpha$


欢迎来到ssy的世界