機器學習中的正則化技術L0,L1與L2範數

使用機器學習算法過程中，如果太過於追求準確率，就可能會造成過擬合。使用正則化技術可以在一定程度上防止過擬合。首先來回顧一下過擬合的概念。 過擬合簡單來說就是對於當前的訓練數據擬合程度過高以至於模型失去了泛化能力。下面是一個房屋預測的例子： 左側的圖是欠擬合，即對於當前數據集的擬合程度不夠，欠擬合的特徵是在訓練集和測試集上的準確率都不好。右邊的爲過擬合狀態，過擬合對於當前數據擬合得太好了，以至於模型

>>阅读原文<<