Regularizacija je tehnika koja se koristi u strojnom učenju kako bi se spriječilo prekomjerno prilagođavanje, koje se događa kada je model presložen i previše odgovara podacima za obuku, što dovodi do loše generalizacije na nove, nevidljive podatke. Regularizacija uvodi kazneni izraz za funkciju cilja koja se optimizira tijekom obuke, potičući model da bude manje složen i izbjegavajući prekomjerno opremanje. Obično se koriste dvije vrste regulacije: L1 regulacija (također poznata kao Lasso regulacija) i L2 regulacija (također poznata kao Ridge regulacija), svaka sa svojim kaznenim rokom. L1 regulacija potiče model da ima rijetke koeficijente, dok L2 regulacija potiče male vrijednosti koeficijenata. Obje tehnike mogu se koristiti samostalno ili kombinirati u istom modelu.
Datum objave: