L1正则和L2正则

海滩上的那乌克丽丽

已于 2022-03-30 10:31:40 修改

阅读量355

点赞数

分类专栏：机器学习正则化文章标签：机器学习

于 2022-02-17 22:03:30 首次发布

本文链接：https://blog.csdn.net/h2728677716/article/details/122992263

版权

机器学习同时被 2 个专栏收录

44 篇文章 1 订阅

订阅专栏

正则化

5 篇文章 0 订阅

订阅专栏

常用的惩罚项L1正则项和L2正则项

MSE + L1 ==> lasso 回归

MSE + L2 ==> Ridge 回归

L1正则项相当于求曼哈顿距离。

L2正则项相当于求欧氏距离L2范数的平方（两点之间连线）的平方。

from sklearn.linear_model import Ridge
# 使用交叉验证选择最优的岭回归正则化参数
from sklearn.linear_model import RidgeCV

#使用交叉验证选择最优的正则化参数
from sklearn.linear_model import LassoCV

Ridge()

# 参数介绍
alpha=1.0,
fit_intercept=True,
normalize="deprecated",
copy_X=True,
max_iter=None,
tol=1e-3,
solver="auto",
positive=False,
random_state=None,