L1, L2以及smooth L1 loss

在機器學習實踐中，你也許需要在神祕的L1和L2中做出選擇。通常的兩個決策爲：1) L1範數 vs L2範數 的損失函數； 2) L1正則化 vs L2正則化。 作爲損失函數   L1範數損失函數，也被稱爲最小絕對值偏差（LAD），最小絕對值誤差（LAE）。總的說來，它是把目標值（YiYi）與估計值（f(xi)f(xi)）的絕對差值的總和（SS）最小化：   S=∑i=1n|Yi−f(xi)|.S=

>>阅读原文<<