L1和L2正則項的學習

參考鏈接1 關於稀疏性的問題，我們不做過多的研究與討論，進我們我們從MAP的角度看看L1和L2正則項會讓參數W變成一個什麼樣的分佈。 從MAP的角度看的話，我們加入正則項的目的相當於給模型先驗項，而L1和L2的區別在於，我們是預先覺得我們的模型屬於什麼分佈的？ 如果我們預先覺得模型的參數w分佈符合：標準拉普拉斯分佈，那麼這就是L1正則化： 如果認爲是標準的正太分佈的化：那麼他就可以轉化爲L2分佈：

>>阅读原文<<