目录
一、正则项与岭回归、Lasso的关系
(2)正则项在机器学习中普遍存在,在做模型时,往往需要加上正则项。
(3)我们希望θ越小越好(最好等于0,L0正则),如果θ很大,就容易造成模型震荡,结果会不稳定。
(4)所谓的不稳定,就是数据进行很小的变换,模型都会有很大的转变。
加上正则项后,会使得模型曲线更加的平滑(起伏不是很大)。
(5)L0正则不是很好的求解,于是用L1正则近似成L0正则(Lasso)。
(6)L1正则优点:可以舍弃一些特征。缺点:正由于可以舍弃一些特征,它的稳定性不如L2,即某个特征一会有,一会没有