以下关于正则化的描述正确的是（）

[不定项选择题]

以下关于正则化的描述正确的是（）

```
正则化可以防止过拟合
```
```
L1正则化能得到稀疏解
```
```
L2正则化约束了解空间
```
```
Dropout也是一种正则化方法
```

查看正确选项

门扣

L2本质是参数解的2阶范数，以二维为例，L2的最优解就是一个圆；如果你还记得话，loss func的组成是两部分一部分是预测值和真实值之间的error，一部分是正则项，前一部分的解空间可以看作是一个梯度下降的等高线，这样一来，loss func的所有局部解就是每层等高线和这个圆之间的切点，所以说约束了解空间。这也是为啥L2会让解平滑，L1会让解稀疏（因为L1的解是一个四个顶点在坐标轴上的正方形，等高线与它的交点多半落在坐标轴上，意味着某一维会变成零）
————————————————
版权声明：本文为CSDN博主「张哲瑞」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_41791402/java/article/details/102765445

编辑于 2020-04-08 00:06:46 回复(0)

空空就是悟空

都对

发表于 2019-09-23 16:43:10 回复(0)

牛客711559590号

dropout居然是正则化技术

发表于 2025-02-16 10:24:30 回复(0)

赐我一个offer吧😭

Dropout是一种正则化技术，用于防止神经网络在训练过程中出现过拟合现象。通过随机丢弃神经网络中的一部分神经元，Dropout强制模型依赖于不同的神经元组合来进行预测，从而增加了模型的泛化能力。这种方法可以减少模型对特定特征的依赖，使得模型在面对新的、未见过的数据时表现更好。Dropout的实现方式是在前向传播过程中，以一定的概率p随机选择一些神经元停止工作，即这些神经元的输出被设置为0。这种随机丢弃的过程在每次前向传播时都会进行，从而迫使模型学习到更加鲁棒的特征表示。‌

发表于 2024-08-07 14:38:38 回复(0)

牛客_JJ

dropout也是一种正则化。。。

发表于 2024-05-15 10:30:08 回复(0)

GoodFellow201904261341544

为什么说L2正则化约束了解空间

发表于 2019-09-06 09:56:41 回复(3)

提交观点

问题信息

小米集团算法工程师机器学习 2019

来自：小米2019秋招算法笔...

上传者：小小

难度：

6条回答 534收藏 5895浏览

以下关于正则化的描述正确的是（）

问题信息

热门推荐

相关试题