知识卡片
L1惩罚允许精确零系数
平方损失衡量拟合误差。加平方 L2 后,大权重逐渐被收缩。L1 惩罚在零点有折角,可以让一段范围内的拟合梯度与其子梯度平衡,恰好把某个系数变成零。实际特征筛选结果还受量纲及特征相关性影响。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第11章 特征选择与稀疏学习 · 查看原书依据
该式为线性回归的优化目标式表示样本的真实值,而表示其预测值,这里使用预测值和真实值差的平方衡量预测值偏离真实值的程度.
参考来源
- 位置:《机器学习公式详解》第11章 特征选择与稀疏学习(book-source:`extracted/机器学习公式详解/_epub-src/text/part0017.html`,式(11.5))
- 结论依据:式(11.5)至(11.7)对比无惩罚、平方 L2 和 L1 的回归目标。
- 原始内容:该式为线性回归的优化目标式表示样本的真实值,而表示其预测值,这里使用预测值和真实值差的平方衡量预测值偏离真实值的程度.