L1,L2正則化

在一些優化問題上,損失函數後面都會加一個懲罰項進行正則化。例如,對於線性迴歸模型,用L1範數進行正則化的稱爲LASSO(Least Absolute Shrinkage and Selection Operator)迴歸;用L2範數進行正則化的成爲嶺迴歸(Ridge regression) 迴歸模型中的W用來表示特徵的係數,而正則化則是通過限制係數,對特徵做了進一步約束。 L1範數約束可以使得W中
相關文章
相關標籤/搜索