然后呢 ，咱们再来看一下有损失函数之后啊 ，我们还得把这个损失函数啊 ，再给它进行一个改进 ，改进什么呢 ，不光有什么 ，不光有 w ，还有什么呀 ，还有一个东西啊 ，叫做一个政策化 ，那之前也说过 ，在这里简单回顾一下 ，比如现在如果说呃两个模型吧 ，它的损失值相同 ，那是不是说这样的模型效果一样呢 ，在这里我们拿到了这样一个损失值计算的一个方法 ，大家也说过了 ，肯定输出数据四个一 ，然后有个模型a1个模型 b 模型 a 啊它是一组全程参数是1000 ，模型 b 呢 ，它是前端参数啊 ，0.50.540.51算完之后啊是不是 wx 的结果是不是都一样啊 ，一旦都一样 ，你看这是不是一模一样 ，一旦都一样的时候 ，我们说什么 ，是不是说可以说这样模型没有区别 ，虽然选择得了 ，但是我们来观察一下这个模型 a 它是怎么去做的 ，它只关注于数据样本当中第一个点 ，而没有关注于后面这个点吧 ，因为它后面都是个零啊 ，对于模型 b 呢 ，模型 b 它会关注什么 ，它是0.250.25 ，会均匀的分配到其中的每一个点吧 ，因为第一个 we 都是零 ，因为我们知道成内积嘛 ，对应位置相乘的加一起啊 ，所以说啊 ，发现这样一个事儿 ，我模型 a 它只考虑它的其中的一个局部 ，模型 b 它会考虑它的一个全局 ，如果画出来是这样的 ，就是权重参数 ，它的一个变化趋势 ，模型 a 它可能这样的啊一个小区一条直线 ，模型 ba 是这样的一条曲线 ，那大家可以看看一下 ，对于模型 a 和模型 b 来说 ，模型 a 啊给我们的感觉好像突然来一个变异似的是吧 ，模型 b 好像趋于稳定 ，当我们在训练网络模型过程当中 ，我们希望是哪一种啊 ，我们是希望是 b 这种 ，我不需要模型产生过拟合 ，a 这个模型百分之百会产生过拟合 ，为什么只关注一个局部啊 ，而 b 会均匀分配到一个整体当中 ，所以说啊 ，但是大家在自己玩数据的时候 ，还要关注一点什么 ，你的一个权重参数会不会产生一些变异 ，会不会产生一些过敏核 ，

所以啊 ，当咱们在构建这个损失函数的过程当中 ，我们还要再加上一点啊就是这个正则化惩罚项前面这个东西前面这个红色框架的 ，你可能可以把它叫做一个 data loss ，就是数据啊在你当前的一个损失函数当中得到的一个损失 ，然后后面呢政策和惩罚项表示着当前这个这这组模型由于它的一个权重参数所带来的损失 ，右边就是右边框架这一项 ，它跟你的数据啊是没有任何关系的 ，它只考虑权重参数啊 ，然后通常情况下正常项咱执行平方向来去做就可以啊 ，比如说现在你的一个 w ，你有十个 wwe 1zw二一直2.2 w 十 ，它会算什么 ，W1的平方加上w2的平方 ，一点点 dw 十的一个平方都加到一起 ，然后前面再乘上什么 ，再乘上一个惩罚的一个系数 ，栏目的值越大 ，代表着你不希望过你和你要把正则化惩罚大一些 ，把上面那个大波浪这些变异的东西给它杀死 ，啊就不要这个变异的栏目的值比较大的时候 ，代表着你不要变异的 ，然后在比较小的时候代表着意思意思就得了 ，虽然有一些变异唉我给它大概的消减一点就得了 ，就是大概有的意思就行了 ，但是呢通常情况怎么样 ，通常情况下我们希望模型不要太复杂 ，这里我为什么给大家强调这一点 ，因为神经网络我给大家这么说吧 ，神经网络它的一个优点是什么 ，能解决的问题多 ，但是它的缺点是什么 ，它的缺点就是他过于强大了 ，啊大家没听错 ，缺点是它过于强大了 ，一会儿会给大家 ，到时候给大家到时候会给大家演示一个 demo ，那个 demo 当中啊大家可以看到神经网络啊它实在效果太强大 ，越强大 ，网络模型越强大的一个算法 ，它过敏和风险是越大的 ，所以说现阶段咱们在研究神经网络过程当中 ，并不一定总是研究神经网络怎么样能够更强一些 ，而是我们希望神经网络怎么样能再弱一点儿 ，别太强了 ，

太强了 ，一个纯过拟合的东西学习的太好了 ，但是血少了 ，过拟合的东西对我们来说它是没有什么太大用处的 ，接下来我们来说一下这个之前呢 ，我们就是之前前一部分得到什么了 ，是给大家说一下损失函数了 ，有了损失函数之后 ，大家想我们现在得到什么了 ，咱们先来捋一捋 ，咱现在这块来捋一捋吧 ，我现在我我先拿一张这张图吧 ，这张图来捋一捋 ，我们现在是不是说了唉首先有个得分函数 ，我一个 x 数就是输出来之后有一组全数参数之后能得到一个得分值吧 ，有这个得分值之后 ，我是不是可以把基于我的得分值啊和我这个真实标签值去计算一个损失啊 ，在计算的损失之后 ，我还把我的 rw 加上了 ，就是当前这一步吧 ，唉 ，这个大框 ，这个大框咱现在都说完了 ，什么意思 ，再捋一遍啊 ，有了一个输入数据 ，唉 ，有六个全参数 ，我能计算得分值 ，sc 值 ，选择一个 loss function ，加上这么多项 ，我能知道当前我的一个损失了吧 ，但是现在呢 ，我们少一点什么东西啊 ，说到底我现在得到的不还是一个得分嘛等于猫的487分搞的654分 ，传的263分 ，那还是有得分的 ，跟他分类任务是不是还有点差距啊 ，在分类任务一般咋说的 ，分类任务当中是不是都说我属于猫这个类的 ，一个概率值一个可能性吧 ，所以在这里我们再说一个什么东西啊 ，叫做一个概率 ，概率用咱们之前是不是提到过叫做一个 cm 的函数 ，c 的函数啊 ，在逻辑回归当中 ，它是可以怎么样可以把我任意的一个输入 ，