【機器學習】正則化

正則化項是損失函數的附加標準，以確保不會過度擬合。 這樣做的目的是：權重不應該過大，如果權重太大，特徵上小小的變化就會引起預測較大的改變；也不希望給某個特徵過大的權重，因爲如果它有太大的權重，就會有很大的影響，其他的特徵就起不到應有的作用；我們也希望無用的特徵其權重爲0. 正則化項有多種計算方式： L1正則：絕對值求和 L2正則：平方和 區別在於：平方和權重給予較大值更多的懲罰 p-範數：p次方和

>>阅读原文<<