來源:機(jī)器學(xué)習(xí)中的范數(shù)規(guī)則化之（一）L0、L1與L2范數(shù)
參數(shù)稀疏的好處
特征選擇（feature selection）可解釋性高（interPRetability）L2范數(shù)實(shí)現(xiàn)了對(duì)模型空間的限制，可防止過擬合，提升模型的泛化能力
L2范數(shù)不但可防止過擬合，還可以讓優(yōu)化求解變得穩(wěn)定和快速總結(jié) L1-regularization能產(chǎn)生稀疏性，會(huì)趨向于產(chǎn)生少量的特征，而其他的特征都是零L2會(huì)選擇更多的特征，這些特征都會(huì)接近于0Lasso在特征選擇中非常有用，而Ridge僅是一種正則化而已直觀展示L1和L2的區(qū)別 
新聞熱點(diǎn)
疑難解答
圖片精選
網(wǎng)友關(guān)注
