5. Why Regularization Reduces Overfitting
2023. 9. 10. 16:41ㆍGoogle ML Bootcamp/2. Improving Deep Neural Networks
적절한 크기의 람다를 통해 hig variance에서 just right으로 분류기를 만들 수 있도록 한다.
- 람다가 커지고 몇몇 unit의 영향을 없애는 효과를 가져온다면, 실제로 더 단순한 네트워크를 만드는 효과를 가져오기도 한다.
- 이는 과적합 가능성이 낮은 단순한 네트워크로 변환하는 과정을 통해 과적합을 방지할 수 있게 된다.
선형 그래프에서는 과적합이 일어나는 꼬불꼬불한 복잡한 차원의 분류기를 생성할 수 없으므로 과적합을 방지할 수 있다!
'Google ML Bootcamp > 2. Improving Deep Neural Networks' 카테고리의 다른 글
| 7. Understanding Dropout (0) | 2023.09.10 |
|---|---|
| 6. Dropout Regularization (0) | 2023.09.10 |
| 4. Regularization (0) | 2023.09.10 |
| 3. Basic recipe for machine learning (0) | 2023.09.10 |
| 2. Bias / Variance (0) | 2023.09.10 |