機器學習——L1、L2正則化

正則化的本質是一種迴歸的形式，它將係數估計朝零的方向進行約束、調整或縮小，它可以在學習過程中降低模型複雜度和不穩定程度，從而避免過擬合的危險。 範數是衡量某個向量空間（或矩陣）中的每個向量以長度或大小。範數的一般化定義：對實數p>=1， 範數定義如下：    L1範數 當 p=1時，是L1範數，其表示某個向量中所有元素絕對值的和 L2範數 當p=2時，是L2範數， 表示某個向量中所有元素平方和再開

>>阅读原文<<