l2高斯分布_L1正则先验是Laplace分布，L2正则先验分布是高斯分布

Laplace分布

Laplace概率密度函数分布为：

一般μ的取值为0，所以形式如下：

分布的图像如下所示

可以看到Laplace分布集中在μ附近，而且b越小，数据的分布就越集中

L2正则先验分布是高斯分布

L1正则先验分布是Laplace分布，L2正则先验分布是Gaussian分布。接下来从最大后验概率的角度进行推导和分析。在机器学习建模中，知道了 x和 y 以后,需要对参数 w 进行建模。那么后验概率表达式如下:

根据条件概率：

因为：

所以：

因为根据最大化后验概率的时候，由于P(A)的结果是知道的(这是一个固定的值，观测到的)，因此，最大化后验概率其实就是：

此时可见，后验概率受到两个部分的影响，P(X|θ)类似于似然函数和P(θ)先验分布。当假设先验分布是1的时候，此时的后验概率和似然函数就等价了

，由于P(x)的结果是知道的，所以可以省略分母P(X)

式子可以写成：

因为：