【機器學習】LASSO算法&彈性網絡

1.在上一次我們說了Rigde迴歸。在那之間我們說了對於代價函數有兩種正則化的方式：L1正則化和L2正則化。這兩種正則化的目的有一個很重要的共同點就是抵抗多重共線性，在嶺迴歸中我們使用的是L2正則化，那麼今天就簡單的說一下L1正則化。                              上邊的函數就是Lasso算法的代價函數，也是L1正則化之後的代價函數。在這種方法下，對於代價函數最小值的求

>>阅读原文<<