На этом шаге мы рассмотрим, для чего нужна регуляризация модели.
Методы регуляризации - это набор приемов, мешающих модели достичь идеального соответствия обучающим данным, чтобы улучшить ее качество на проверочных данных. Эти приемы называются регуляризацией, потому что позволяют сделать модель более простой, более регулярной, более обобщенной, а кривую потерь - более гладкой. То есть регуляризованная модель получается менее ориентированной на обучающую выборку и имеет лучшую способность к обобщению за счет более точной аппроксимации скрытого многообразия данных.
Имейте в виду, что регуляризация модели - это процесс, в котором всегда следует руководствоваться точной процедурой оценки. Вы сможете достичь высокого уровня общности, только если сможете его измерить.
Давайте рассмотрим некоторые распространенные методы регуляризации и применим их на практике, чтобы улучшить модель классификации отзывов к фильмам из 93 шага.
На следующем шаге мы рассмотрим уменьшение размера сети.
