エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Q&A
正則化 正則化項はなぜ必要? 過学習を避けるため 正則化項がなく,損失項だけだと,学習データに対して... 正則化 正則化項はなぜ必要? 過学習を避けるため 正則化項がなく,損失項だけだと,学習データに対してだけうまくいくような,複雑なモデルが作られてしまう 複雑なモデル: bias=小,variance=大 シンプルなモデル: bias=大, variance=小 bias: モデルによる予測値の平均が真の値からどれくらい乖離しているかを示す.小さいほうが良い. variance: モデルの予測値自体のばらつき(予測の安定性みたいなもの)小さいほうが良い. 参考文献の絵がわかりやすい 一番欲しいのはLow Variance & Low Bias だけど,varianceとbiasはトレードオフの関係にある 複雑すぎず,シンプルすぎず,丁度くらい複雑なモデルが欲しい 参考文献 リッジ/Ridge回帰、Lasso回帰、Elastic Net (R - glmnet) Bias and Varian