Изменения

==Регуляризация в линейной регрессии==

В [[Линейная регрессия | линейной регрессии]] моделируется линейная зависимость между зависимой и независимой переменной. Каждому объекту $x \in X^l$ соответствует признаковое описание $(f_{1}(x),\dots,f_{n}(x))$, где $f_{j}:X \rightarrow \mathbb{R}$ {{---}} числовые признаки. Модель алгоритмов для линейной регрессии состоит из функций вида:

В итоге оптимизируемый функционал эмпирического риска выглядит следующим образом:

:$Q(a) = \|F\beta - y\|^2$,