2017年9月23日
L1正则化及其推导
摘要： 在机器学习的Loss函数中，通常会添加一些正则化（正则化与一些贝叶斯先验本质上是一致的，比如L2L2正则化与高斯先验是一致的、L1L1正则化与拉普拉斯先验是一致的等等，在这里就不展开讨论）来降低模型的结构风险，这样可以使降低模型复杂度、防止参数过大等。大部分的课本和博客都是直接给出了L1L1正则化的解释解或者几何说明来得到L1L1正则化会使参数稀疏化，本来会给出详细的推导。 阅读全文
posted @ 2017-09-23 21:14 Thaurun 阅读(22673) 评论(12) 推荐(5) 编辑