zhuanlan.zhihu.com
总结-深度学习中的正则化方法（regularization） - 知乎
深度学习面临的非常严重的一个问题就是过拟合（overfitting）。通过一些正则化的方法，可以消除过拟合，从而使我们的模型能够得到更好的效果。 1. 什么是正则化这张图，我想接触过机器学习的朋友们应该都看了很多…
Regularization转正
Searching…
Web results
blog.csdn.net
【机器学习】一文彻底搞懂正则化（Regularization）-CSDN博客
Jul 8, 2025 · 【机器学习】一文彻底搞懂正则化（Regularization） 摘要: 本文旨在用最通俗易懂的语言，全面解析机器学习中至关重要的一个概念——正则化（Regularization）。我们将从“过拟合”这一常见问题入手，探讨为什么需要正则化，然后深入剖析两种最主流的正则化技术：L1 正则化 (Lasso) 和 L2 正则化 (Ridge ...
www.cnblogs.com
机器学习基础——规则化（Regularization） - 沐沐mu - 博客园
Jan 30, 2021 · 在机器学习中，我们一直期望学习一个`泛化能力（generalization）强的函数`只有泛化能力强的模型才能很好地适用于整个样本空间，才能在新的样本点上表现良好。
www.deeplearning.ai
Regularizing neural networks - deeplearning.ai
Regularizing neural networks Regularization prevents models from overfitting on the training data so they can better generalize to unseen data. In this post, we'll describe various ways to accomplish this. We'll suppo...
allen108108.github.io
L1 , L2 Regularization 到底正則化了什麼 ? | Math.py
Oct 22, 2019 · L1 , L2 Regularization 到底正則化了什麼 ? 發表於 2019-10-22 更新於 2026-03-13 分類於 深度學習 Deep Learning 閱讀次數： 35800 Disqus： 0 Comments
cloud.tencent.com
Video — click to view
Jun 6, 2022 · 文章围绕机器学习与深度学习中的泛化与正则化展开，介绍正则化定义、手段及常见方法，如Norm penalty、Dropout、Early stopping等，探讨其原理、实现方式、应用场景及潜在问题。
zhuanlan.zhihu.com
归一化/规范化Normalization、标准化Standardization、正则化Regulari...
Jan 14, 2025 · L1 Regularization、L2 Regularization、Dropout 参考： 基本原理：《统计学习方法》、《百面机器学习》中相关章节 哪里用怎么用： pytorch实现L2和L1正则化regularization的方法_torch loss函数怎么加正则化项-CSDN博客 公式和图像理解：