【機器學習】L1和L2正則化

正則化爲什麼能防止過擬合？（最後看）   機器學習中幾乎都可以看到損失函數後面會添加一個額外項，常用的額外項一般有兩種，一般英文稱作  ℓ1​-norm 和 ℓ2​-norm，中文稱作 L1正則化 和 L2正則化，或者 L1範數 和 L2範數。 L1正則化和L2正則化可以看做是損失函數的懲罰項。所謂『懲罰』是指對損失函數中的某些參數（權重w）做一些限制。 L1稀疏模型與特徵選擇  上面提到L1正則

>>阅读原文<<