【IM】关于稀疏学习和鲁棒学习的理解

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。