193
правки
Изменения
→Регуляризация в линейной регрессии
==Регуляризация в линейной регрессии==
В [[Линейная регрессия | линейной регрессии]] моделируется линейная зависимость между зависимой и независимой переменной. Каждому объекту $x \in RX^l$ соответствует признаковое описание $(f_{1}(x),\dots,f_{n}(x))$, где $f_{j}:X \rightarrow R$ {{---}} числовые признаки. Модель алгоритмов для линейной регрессии состоит из функций вида:
:$g(x, \beta) = \sum\limits_{j}^n \beta_{j} f_{j}(x)$
В итоге оптимизируемый функционал эмпирического риска выглядит следующим образом:
