บทบาท ของ การ เป็น ผู้ สอน ที่ มี ประสิทธิภาพ มาก กว่า:

การจัดอันดับเป็นเทคนิคที่ใช้ในการเรียนรู้ที่ควบคุม เพื่อให้ป้องกันการตีค่าเกินขนาด โดยเพิ่มโทษความซับซ้อนของแบบจําลอง

การเข้าใจการทําเป็นปกติ

การปรับตั้งฟังก์ชันการสูญเสียให้ปกติ ระหว่างการฝึก โดยมีหน่วยโทษด้วย ชนิดทั่วไปรวมถึง L1 แบบปกติ (Lsso) และ L2 แบบปกติ (Ridid) วิธีเหล่านี้ควบคุมขนาดพารามิเตอร์จําลอง ส่งเสริมแบบจําลองให้ง่ายขึ้น

การ คํานวณ ความ เกี่ยว พัน กัน เป็น ประจํา

ในการดูแลการเรียนรู้ ฟังก์ชันการสูญเสียปกติ สามารถแสดงออกมาเป็น:

[FLT: 0] Los = สูญเสียเดิม + ⁇ × ribution late

เมื่อ α (ambda) เป็นพารามิเตอร์ที่จัดลําดับตามเงื่อนไขที่กําหนดความแข็งแกร่งของการจัดอันดับ เช่น ในความถดถอยของริดจ์ เทอมปกติคือ ผลรวมของสัมประสิทธิ์กําลังสอง:

[FLT: 0] ⁇ ⁇ (cositutes)^2

การ ฝึก อบรม ที่ ดี ที่ สุด เพื่อ ทํา ให้ เป็น ปกติ