L1、L2正则化介绍

正则化

(1) 正则化Regularization

1) 正则化(Regularization)对参数w的影响

• 为了使LOSS’最小，w2部分要求w的值尽量平衡(why)，和LOSS共同影响w变化。

• 正则化中将保留所有的特征变量，但是会减小特征变量的数量级（参数数值的大小）
  控制在两个不同的目标中的平衡关系。使得权重衰减！

【说明】：LOSS’代表原始的代价函数，后面那一项就是L2正则化项，它是这样来的：所有参数w的平方的和，除以训练集的样本大小n。λ就是正则项系数，权衡正则项.在这里并没有除以样本数量和2，是因为使用了绝对值误差。一般情况下， $LOS{S}^{{}^{\prime }}=(y-\bar{y}{)}^2+\frac{\lambda }{2n}{||w||}^2$正则项为：$\frac{\lambda }{2n}{||w||}^2$ ，这是除以2是为了求导的时候计算方便。

2) 什么是weight decay？和正则化有何联系

正则项是模型复杂度的单调递增函数，所以weight decay的作用是调节模型复杂度对损失函数的影响，若weight decay很大，则复杂的模型损失函数的值也就大。
首先，假设我们有Loss function为 $E(w)$
梯度下降算法告诉我们，为了最小化loss function为 ，要在 E的最快速下降的方向修改权值：
$$w_i=w_i-\eta \frac{\partial E}{\partial w_i}$$
这里 $\eta$为学习率，学习率越大则对应的权重 修改也越大。
为了防止过拟合，在Loss function上加上正则项（惩罚项），一种简单的方法是通过在权重上引入一零均值高斯项。
$$E(w)=E(w)+\lambda ||w|{|}^2$$
这里，λ为正则化参数。正则项是模型复杂度的单调递增函数，所以weight decay的作用是调节模型复杂度对损失函数的影响，若weight decay很大，则复杂的模型损失函数的值也就大。
应用梯度下降算法到这个新的cost函数，我们得到：
$$w_i=w_i-\eta \frac{\partial E}{\partial w_i}-2\lambda w_i$$

这新的一项$-2\lambda w_i$ 起到的就是正则化的作用，使得权重与其大小成比例衰减。因为不添加正则化之前w的系数是1，现在是$(1-2\lambda )$ ,$\lambda$很小，所以w的系数此时小于1，更小的权值w，从某种意义上说，表示网络的复杂度更低，对数据的拟合刚刚好（这个法则也叫做奥卡姆剃刀）
【一个完美的解释】
过拟合的时候，拟合函数的系数往往非常大，为什么？如下图所示，过拟合，就是拟合函数需要顾忌每一个点，最终形成的拟合函数波动很大。在某些很小的区间里，函数值的变化很剧烈。这就意味着函数在某些小区间里的导数值（绝对值）非常大，由于自变量值可大可小，所以只有系数足够大，才能保证导数值很大。

而正则化是通过约束参数的范数使其不要太大，所以可以在一定程度上减少过拟合情况。

---

[参考]：http://blog.csdn.net/u012162613/article/details/44261657