簡単にするために簡素化正則化正則
正則の簡略化のため。
正則：オーバーフィッティング法を減らすために、モデルの複雑さを軽減します。
まず、意味の正則を理解する：サンプルに応じて原則に過度の信頼を置かないでください。
トレーニングセットがあり独特の乱れや特殊性を。（言語は完全に話すの人のやり方かどうかを学習する際、誤って中毒を開くことから多くのことを学びます類推により学習）
正則化法がある：
1、停止までの時間では（ない簡単に把握することは、困難）
（罰するためにモデルの複雑さに、2使用して）モデルが制限複雑にしないことL2正則
正具体正則を有するL2を
・複雑さ（モデル）=重量二乗和
非常に大きな重量を低減
線形確率、好ましくは比較的緩やかな傾斜-for
・バイエルアダムス第1の確率：0重量センタリングされるべきであり、正規分布
L：トレーニングエラー低減する
ラムダ：定期的な速度を、重量バランス右スカラー値を制御する方法であり、モデルが複雑記述するために使用される
複雑さのバランスをとるた：DETA
上下に2回：標準化された四角の重量
アイテムの正則全体的な影響を調整するためのラムダ*正則化項=ラムダ*複雑さ（モデル）
モデルの高いラムダ値は単純である
唯一の目的のために>のみ最小限の訓練-ラムダ値は、モデルの複雑さは、ラムダ= 0が完全に解除された正則化が低いです損失- >オーバーフィッティングのリスクが最も高いながら、
該当正則：
より多くのデータを訓練ではない、トレーニングデータやテストデータが異なっている、それはクロスバリデーション・テスト・セットまたは個別に調整を使用する必要があります。
目標：構造、リスクの最小化。
