标签: machine-learning neural-network regularized
作者在this文章中说
...没有应用正规化我们也冒风险 欠拟合...
为什么我们可能会在没有正规化的情况下得不合适?正规化“使”网络更简单,以避免过度拟合而不是不适应。因此,如果我们没有正规化,它就不会导致不合适。
答案 0 :(得分:0)
当我们的模型过度拟合时,我们需要正则化,即我们的训练精度远高于我们的测试精度。
当我们的模型不合适时,我们需要增加模型的复杂性(例如,添加新功能)。
因此,正规化并不是一种不合适的解决方案,而这正是作者所想说的。