Justér regulariseringsstyrken
Kontrollér overfitting med C
Justér regulariseringsstyrken er en gratis NLP Academy-lektion på CoddyKit. Dette er lektion 4 af 4. Du kan læse alle 3 lektioner i dette læringsspor gratis i deres fulde længde — derefter låser CoddyKit PRO alle lektioner op samt praktiske øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Den er en del af læringsforløbet i NLP Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. NLP Academy-kurset indeholder 4 lektioner i alt.
Hvorfor modeller overtilpasser tekst
Med tusindvis af ordfeatures kan en model huske særheder fra træningsdatasættet. Regularisering forhindrer den i at jagte denne støj. 🧯
Straf store vægte
Regularisering tilføjer en straf for store koefficienter. Modellen skal kunne begrunde hver stor vægt, så den forbliver enklere og generaliserer bedre.
Mød C-parameteren
I scikit-learn styrer du styrken med C. Det er det omvendte af regularisering, så en mindre værdi af C betyder en stærkere straf.
clf = LogisticRegression(C=1.0)Lille C, enklere model
En meget lille værdi af C trækker vægtene kraftigt mod nul. Modellen bliver meget enkel, hvilket kan føre til underfit og få den til at overse reelle signaler.
clf = LogisticRegression(C=0.01)Stor C, stoler på dataene
En stor værdi af C svækker straffen og lader vægtene vokse. Modellen tilpasser sig træningsdataene tæt, men risikerer overfit.
clf = LogisticRegression(C=100)L2 er standardvalget
Standardstraffen L2 trækker forsigtigt alle vægte mod nul. Det er et sikkert udgangspunkt til de fleste problemer med tekstklassifikation.
L1 trækker vægte mod nul
Hvis du skifter til straffen L1, bliver mange koefficienter nul, hvilket udfører funktionsudvælgelse og giver dig en mere sparsom og enkel model.
clf = LogisticRegression(penalty='l1', solver='liblinear')Juster med krydsvalidering
Du skal ikke gætte C manuelt. Brug krydsvalidering til at teste flere værdier, og vælg den, der scorer bedst på de holdte fold.
Søg i et gitter af værdier
GridSearchCV prøver hver værdi af C, kører krydsvalidering og rapporterer vinderen. Gennemgå C på tværs af ti-potensværdier for en hurtig første afprøvning.
from sklearn.model_selection import GridSearchCV
grid = {'C': [0.1, 1, 10]}Læs den bedste parameter
Efter tilpasningen viser best_params_ den værdi af C, der vandt. Den tilsvarende model er klar til en fair evaluering på dit testsæt.
print(search.best_params_)Find det rette punkt
Målet er balance: tilstrækkelig frihed til at lære og tilstrækkelig straf til at generalisere. Det rette punkt giver den bedste score på uset tekst.
Hurtigt tjek
Hvad sker der, når du sænker værdien af C?
Opsummering: Skab balance med C
Regularisering modvirker overfit, og C bestemmer styrken omvendt. Juster C med krydsvalidering for at finde den rette balance. ✅
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Justér regulariseringsstyrken” gratis?
Ja — alle 3 lektioner i læringssporet NLP Academy, inklusive “Justér regulariseringsstyrken”, kan læses gratis i deres fulde længde her på webstedet. Derefter låser CoddyKit PRO alle lektioner op samt interaktive øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. NLP Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Justér regulariseringsstyrken”?
Kontrollér overfitting med C Du øver dig i NLP Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på NLP Academy?
Der kræves ingen tidligere erfaring. NLP Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 4 af 4.
Hvor lang tid tager lektionen “Justér regulariseringsstyrken”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne NLP Academy-lektion?
Ja. Alle NLP Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Hvorfor logistisk regression klarer sig godt på tekst
- Træn på TF-IDF-features
- Undersøg de stærkeste koefficienter
- Justér regulariseringsstyrken