我有一个关于在训练模型时添加正则化强度λ参数的一般性问题，因为它会对你的得分进行惩罚以防止过拟合（据我从课堂上和下面的Tootone回答中了解到的）。

所以我们需要尽可能地减小λ，因此我们使用它的倒数。

我的问题是>>为什么使用负值不是正确的方法？而且不会给出正确的预测

逻辑回归中正则化强度的倒数是什么？它应该如何影响我的代码？

回答：

当包含正则化参数时，你通常会修改代价函数，使其最小化

C(x) + λ * p(x)

其中C(x)是你的代价函数，p(x)>0是惩罚。如果λ<0，那么你会因为高惩罚而被奖励，而你应该受到惩罚。