知识卡片
L1与L2惩罚区别
L1 惩罚使用权重绝对值之和,倾向于产生一些恰为零的系数;L2 平方惩罚使用权重平方和,倾向于将权重平滑缩小但通常不直接变为零。系数决定惩罚力度,具体稀疏性与优化问题有关。
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
- 常见挑战及对策:一切为了泛化能力 · 查看原书依据
L1正则化倾向于产生稀疏解,即使很多权重值为0
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第5章《常见挑战及对策:一切为了泛化能力》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0008.xhtml`)
- 结论依据:原文及图示说明训练问题和策略;必要处补充条件,避免将示例结论绝对化。
- 原始内容:L1正则化倾向于产生稀疏解,即使很多权重值为0