Hoe modellen daadwerkelijk leren, van gewone gradient descent tot Adam
Regularisatie wordt vaak geïntroduceerd als een straf die aan het verlies wordt toegevoegd. Meetkundig verandert het welke parametervectoren als goedkoop of duur gelden. Dat verandert de vorm van het optimalisatieprobleem. Twee symbolen komen hieronder steeds terug: R(θ) noemt de straf, en λ (lambda) bepaalt hoe zwaar die meetelt.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Regularisatie als meetkunde