L1正则化和L2正则化
摘要:
L1和L2正则都是比较常见和常用的正则化项,都可以达到防止过拟合的效果。L1正则化的解具有稀疏性,可用于特征选择。L2正则化的解都比较小,抗扰动能力强。 L2正则化 对模型参数的L2正则项为 即权重向量中各个元素的平方和,通常取1/2。L2正则也经常被称作“权重衰减”(weight decay)和“ 阅读全文
posted @ 2017-09-28 17:58 Peyton_Li 阅读(10272) 评论(0) 推荐(0) 编辑