machine-learning - 为什么岭回归中的偏差项没有正则化？

Question

在大多数分类（例如逻辑/线性回归）中，偏差项在正则化时会被忽略。如果我们不对偏差项进行正则化，我们会得到更好的分类吗？

Answer 1

例子：

Y = aX + b

正则化是基于这样的想法，即过度拟合Y是由a“过度具体”引起的，可以说，这通常表现为a's 元素的大值。

b只是抵消了这种关系，因此它的规模对这个问题并不重要。此外，如果出于某种原因需要较大的偏移量，则对其进行正则化将阻止找到正确的关系。

所以答案就在于此：in Y = aX + b，a乘以解释/自变量，b被添加到它。