【Mark Schmidt课件】机器学习与数据挖掘——进一步讨论正则化

本课件的主要内容包括：

1. 上次课程回顾：L2正则化

2. 不同尺度的特征

3. 标准化特征

4. 标准化目标

5. 参数化 vs. 非参数化变换

6. 高斯RBFs

7. 高斯RBF参数

8. 非参数化基：RBFs

9. RBFs与正则化

10. RBFs、正则化与验证

11. 超参数优化

12. L1正则化

13. 正则化与稀疏性

14. 稀疏性与最小二乘法

15. 稀疏性与L0正则化

16. 稀疏性与L2正则化

17. 稀疏性与L1正则化

18. L2正则化 vs. L1正则化

19. L1损失 vs. L1正则化

20. L1损失 vs. Huber损失

21. L1正则解的非唯一性

22. 预测未来

23. 插值 vs. 外推

24. 讨论：气候模型

25. 一维样条函数

26. 更高维样条函数

英文原文课件下载地址：

http://page5.dfpan.com/fs/1lcj92212291c6a3d78/

更多精彩文章请关注微信号：