Почему отрицательное значение силы регуляризации не является правильным подходом?

Question

У меня есть общий вопрос, касающийся тренировки вашей модели при добавлении параметра силы регуляризации λ, так как он накладывает штраф на ваш счет, чтобы предотвратить перекос (насколько я знаю из ответа класса и Tootone, связанного ниже)

Итак, нам нужно уменьшить λ как можно больше, чтобы мы использовали его обратно

МОЙ ВОПРОС IS >> Почему использование отрицательного значения не является правильным подходом? и не дает правильных прогнозов

Каково обратное значение регуляризации в логистической регрессии? Как это должно повлиять на мой код?

Answer 1

При включении параметра регуляризации вы обычно изменяете функцию стоимости, чтобы минимизировать

C (x) + λ * p (x)

где C (x) - ваша функция стоимости, а p (x)> 0 - штраф. Если λ <0, то вы будете <em>вознаграждены за высокий штраф, когда вас должны наказать.