机器学习中L1正则化和L2正则化的区别

机器学习中L1正则化和L2正则化的区别是？

正确答案: A D   你的答案: B C (错误)

使用L1可以得到稀疏的权值

使用L1可以得到平滑的权值

使用L2可以得到稀疏的权值

使用L2可以得到平滑的权值

使用L1正则后的权值更新规则多了一项   η * λ * sgn(w)/n，这一项   当w为正时，更新后的w变小。当w为负时，更新后的w变大——因此它的效果就是让w往0靠，使网络中的权重尽可能为0，也就相当于减小了网络复杂度，防止过拟合。所以说L1可以得到更稀疏的权值。

具体可参考http://blog.csdn.net/zouxy09/article/details/24971995/