知识卡片
L1和L2正则化的区别
在线性模型损失中加入 L1 惩罚,可使部分系数恰为零,从而形成稀疏模型;L2 惩罚通常缩小系数,缓解过拟合,但一般不直接将系数变成零。惩罚强度决定拟合与约束的权衡,实际效果依数据与参数而定。
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
- · 第5章 机器学习
原书出处 · 1 处
- 机器学习 · 查看原书依据
采用L范数比L范数更易于得到稀疏解。
参考来源
- 位置:《现代人工智能技术》第5章《机器学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter7.xhtml)
- 结论依据:原文与图 5-11 比较 L1 稀疏解和 L2 岭回归。
- 原始内容:采用L范数比L范数更易于得到稀疏解。