深度学习第二课 改善深层神经网络：超参数调试、正则化以及优化 第一周正则化 笔记和作业

正则化 通常而言，深度学习的Regularization 方法包括： 1. L2正则化 2. Dropout 3. Data Augmentation 4. Early stopping L2 正则化 “Weight decay” L2正则为什么会有效果，为什么会regularization？ 1. 当 λ 变大时， w[L] 变小，相当于很多神经元不再起效，因此神经网络简化为简单的模型； 2.

>>阅读原文<<