2回答
我想知道Python中是否有一个函数可以做与scipy.linalg.lstsq相同的工作，但使用“最小绝对偏差”回归而不是“最小二乘”回归。我想使用L1规范，而不是L2规范。事实上，我有三维点，我想要它们中最适合的平面。常用的方法是使用最小二乘法，就像这个Github 。但众所周知，这并不总是给出最佳拟合，特别是当我们的数据集中有入侵者的时候。最好是计算最小绝对偏差。这两种方法的
浏览 26提问于2018-08-17得票数 7
在中，"norm“可以是
用于规范每个非零样本(或每个非零特征，如果轴为0)的范数。没有清楚地说明“L1”、“L2”或“max”是如何计算的。
有人能把这些清理干净吗？
浏览 2提问于2018-01-12得票数 2
回答已采纳
3回答
据我所知，岭回归只是有一个优化问题的损失函数加上正则化项(L2范数在岭的情况下)。但是，我不确定损失函数是否可以用非线性函数来描述，还是需要是线性的。在这种情况下，如果损失函数需要是线性的，那么据我所理解的岭回归，只是执行线性回归加上L2-范数的正则化。如果我错了，请纠正我。
浏览 0提问于2020-03-13得票数 8
回答已采纳
))cv_docs_s = cv_docs.fit_transform(df['docs'])# tfidf docs但我发现结果是不同的：= tfidf_docs_s
为什么CountVectorizer * TfidfVectorizer
浏览 0提问于2019-09-18得票数 2
1回答
CatBoost是否支持L1正则化？超参数l2_leaf_reg控制成本函数的L2正则化项，但是有什么方法可以使用L1范数吗？
浏览 7提问于2019-10-27得票数 0
我是新的深入学习和Tensorflow，并必须学习这个主题，因为我目前正在工作的项目。我使用卷积网络来检测和查找图像中单个物体的位置。我正在使用中引入的方法。讲师提到在网络中连接完全连接的层后连接一个回归头，以查找对象的位置。我知道在坦索弗洛有DNNRegressor。我应该用这个作为回归头吗？在修改Tensorflow关于如何为我的案例使用ConvNet到的教程
浏览 0提问于2017-07-07得票数 5
l1_regularization_strength, l2_regularization_strength)
既然我们知道近端梯度下降是以l1范数和l2范数作为正则化的，那么我的问题就来了：，我应该在我的损失中包括l1/l2范数，还是我应该使用类似于上述损失的东西？。而且，ProximalGradientDes
浏览 11提问于2017-07-21得票数 1
我想知道如何在TensorFlow中的LSTM中实现l1或l2正则化？TF不提供LSTM的内部权重，所以我不确定如何计算范数并将其添加到损失中。目前，我的损失函数仅为RMS。
的答案似乎还不够。
浏览 2提问于2016-06-17得票数 1
我想在训练后对数据进行反规范化。I‘’用于规范化：X_train=keras.utils.normalize(X_train0,axis=1)如何对数据进行反规范化？
浏览 96提问于2020-04-17得票数 0
5回答
我看到一些文献认为L2损失(最小平方误差)和均方误差损失是两种不同的损失函数。所以我想知道我是不是错过了什么？是否存在使用两个损失函数之一的方案？
浏览 0提问于2018-01-01得票数 29
L2正则化导致向量参数中的值最小化。L1正则化导致在向量参数中将某些系数设置为0。
更广泛地说，我已经看到不可微正则化函数导致在参数向量中将系数设置为0。为什么是这种情况？
浏览 0提问于2019-07-01得票数 2
然而，我对'C‘参数的作用感到困惑。据我所知，L1_ratio是套索和脊线惩罚的凸和- L1和L2规范-应该用于弹性网络正则化。当我为'L1_ratio‘设置一个数字时，我应该将'C’设置为0吗？
浏览 31提问于2019-11-01得票数 0
回答已采纳
我想将L2正则化添加到自定义contrib.learn估计器中，但我不知道如何轻松完成。
有没有办法将L2正则化添加到我忽略的现有估计器(例如DNNClassfier)中？我想要将L2范数添加到我的自定义估计器中的唯一方法是编写一个新的head，并更改成本函数。但我想对于这个常见的问题，有一个更简单、更优雅的解决方案。有没有人有同样的</
浏览 4提问于2017-03-27得票数 0
1回答
有人能告诉我关于建立神经网络以便对神经网络的输入进行拉索正则化的建议吗？我要找的是一个DNN，它能够计算经典的LASSO成本函数优化，并能给我输出用LASSO获得的稀疏权向量。
浏览 3提问于2020-09-13得票数 0
回答已采纳
1回答
我有一个形状为(300，)的目标NumPy数组和一组形状也为(300，)的候选数组。这些数组是单词的Word2Vec表示；我正在尝试使用它们的向量表示来查找与目标单词最相似的候选单词。找到与目标词最相似的候选词的最佳方法是什么？candidate_1_total_difference = np.sum(ca
浏览 36提问于2019-07-06得票数 1
回答已采纳
1回答
非分类掩码的UNet损失函数？
、、、、
我有一个在Keras中实现的UNet分割网络，它简单地将一个RGB图像中的所有像素映射到4个类别，这是在一个热图掩模(低，低中，高中，高)上训练的。使用CCE或绝对骰子损失，我能够得到良好的结果。然而，掩模的原始形式是一个具有255位分辨率的热图图像。通过将255比特的分辨率减少到4类，将其硬塞到Unet中似乎完全是随意引入的错误。我希望网络输出一个图像，每个像素的</em
浏览 2提问于2020-05-19得票数 0
1回答
给定向量xj，vj是其l1范数(所有abs(Xji)之和)，wj<code>E 215</code>是其<code>E 116</code>L2</code>L2<代码>E 217</code>范数(所有<代码>E 118</代码>xji^2<代码>E 219</代码>E 219</代码>)<e
浏览 4提问于2016-12-30得票数 0
我正在使用Keras和tensorflow后端来训练一个有多个输出但只有一个损失的模型(输出层“部件”上的MSE)。它的定义如下： model = Model(inputs=[image, year], outputs=outputs) # outputs is a list of 8 output layers verbose=1
) fit_gener
浏览 21提问于2019-09-12得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
