L1正則項-稀疏性-特徵選擇

原文鏈接: http://chenhao.space/post/b190d0eb.html L1正則化可以產生稀疏權值矩陣，即產生一個稀疏模型，可以用於特徵選擇。 所謂稀疏模型就是模型中很多的參數是0，這就相當於進行了一次特徵選擇，只留下了一些比較重要的特徵，提高模型的泛化能力，降低過擬合的可能。 那麼問題來了，爲什麼L1正則化會產生稀疏解？ L1/L2正則化損失函數 線性迴歸L1正則化損失函數：

>>阅读原文<<