【小结】机器学习中的正则化范数 -- L1范数与L2范数
来源:机器学习中的范数规则化之(一)L0、L1与L2范数小结
L0范数和L1范数均可实现稀疏,但L0很难优化求解(NP难问题),而L1是L0的最优凸近似,且比L0更易优化求解
参数稀疏的好处特征选择(feature selection)
可解释性高(interpretability)
L2范数实现了对模型空间的限制,可防止过拟合,提升模型的泛化能力
L2范数不但可防止过拟合,还可以让优化求解变得稳定
转载
2017-02-28 23:35:56 ·
695 阅读 ·
0 评论