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。