
前面文章小编简单给大家介绍了泛化能力的一些基础知识,今天给大家带来的是提高模型泛化能力的方法--正则化。
一、首先来回顾一下什么是泛化能力
泛化能力(generalization ability),百科给出的定义是:机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据对背后的规律,对具有同一规律的学习集以外的数据,经过训练的网络也能给出合适的输出,该能力称为泛化能力。简单来概括一下,泛化能力就是一个机器学习算法能够识别没有见过的样本的能力,通俗点说就是学以致用,举一反三的能力。机器学习方法训练出一个模型,我们会希望这个模型不但是对于已知的数据(训练集)性能表现良好,而且对于未知的数据(测试集)也能够表现良好,这就表明这个模型具有良好的泛化能力。在实际应用子中,模型的过拟合(overfitting)与欠拟合(underfitting)能够最直观的体现出泛化能力的好坏。
根据泛化能力强弱,可以分为:
欠拟合:模型不能在训练集上获得足够低的误差;
拟合:测试误差与训练误差差距较小;
过拟合:训练误差和测试误差之间的差距太大;
不收敛:模型不是根据训练集训练得到的。
二、简单介绍正则化
正则化regularization的目标为:模型的经验风险和模型复杂度之和达到最小,即结构风险达到最小。也就是正则化的目的是为了防止过拟合, 从而增强泛化能力。
我们通常将正则化定义为:对学习算法的修改,目的是减少泛化误差而不是训练误差
在训练次数足够多,以及表达形式足够复杂的情况下,训练误差能够无限小,可是这并不代表着泛化误差的减小。相反的,一般情况下,这样会导致泛化误差的增大。最常见的例子是:真实数据的分布符合二次函数,但是欠拟合一般会将模型拟合成一次函数,而过拟合通常将模型拟合成高次函数。根据奥卡姆剃须原则:在尽可能符合数据原始分布的基础上,更加平滑、简单的模型,往往更加符合数据的真实特征。所以,我们必须采用采用某种约束,这也就引出了的正则化。
三、正则化---提高模型的泛化能力
按策略正则化可以分为以下三类:
(一) 经验正则化:利用工程上的技巧,实现更低的泛化误差,例如:提前终止法、模型集成、Dropout等;
1.提前终止(earlystop)
一种最简单的正则化方法,在泛化误差指标不再提升后,提前结束训练
2.模型集成(ensemable))
通过训练多个模型来完成该任务,这些模型可以是不同的网络结构,不同的初始化方法,不同的数据集训练出来的,也可以是采用不同的测试图片处理方法。总结来说就是,利用多个模型进行投票的策略
3.Dropout移除一部分神经元
Dropout采用的是"综合起来取平均”的策略,来防止过拟合问题。不同的网络会产生不同的过拟合问题,取平均会让一些“相反的”拟合有互相抵消的可能,整个Dropout过程就相当于 对很多个不同的神经网络取平均。而且因为dropout程序导致两个神经元不一定每次都在一个dropout网络中出现,这样会减少神经元之间复杂的共适应关系
(二)参数正则化:直接提供正则化约束,例如:L1/L2正则化法等;
L1/L2正则化方法,就是最常用的正则化方法,它直接来自于传统的机器学习。
L1正则化:
L2正则化:
(三)隐式正则化:不直接提供约束,例如:数据有关的操作,包括归一化、数据增强、扰乱标签等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26