تنظیم تیخونوف: تفاوت میان نسخه‌ها

اگر <math>\Gamma</math> را با <math>\alpha I</math> (در اینجا <math>I</math> [[ماتریس همانی]] است) برابر قرار دهیم، به جواب پایین می‌رسیم که همان رگرسیون ستیغی است. در این رگرسیون سعی بر این است که مقادیر پارامتر زیاد بزرگ نشود تا [[بیش‌برازش]] اتفاق نیفتد. با استفاده از [[ضرایب لاگرانژ|ضریب لاگرانژ]] می‌توان نشان داد که این روش معادل [[بهینه‌سازی]] <math>\min_{\vec{\beta}}||X\vec{\beta} - Y||^2</math> تحت محدودیتمحدودیتِ <math>\sum \beta_{i}^{2} \leq c</math> به ازای یک عدد <math>c</math> است.<ref>{{cite conference|first=Andrew Y.|last=Ng|authorlink=Andrew Ng|year=2004|title=Feature selection, L1 vs. L2 regularization, and rotational invariance|conference=Proc. [[International Conference on Machine Learning|ICML]]|url=https://icml.cc/Conferences/2004/proceedings/papers/354.pdf}}</ref>{{سخ}}