主要是理解L1和L2正则化,鲁棒学习中也是围绕L1残差和L2方差损失来提出模型。关于鲁棒学习,对于异常值的鲁棒性有两方面:一是对现有样本中异常点的鲁棒性;二是对新增异常点的鲁棒性。
关于L1和L2正则化,参考如下博文理解:
https://blog.csdn.net/fjssharpsword/article/details/78842374
https://blog.csdn.net/fjssharpsword/article/details/78850393
再次回顾下,有监督回归是对实值函数的近似,最小二乘法是近似的一种方法,包括问题建模、优化求解。