L1正則化和L2正則化講解

L1正則化和L2正則化講解   在機器學習實踐過程中，訓練模型的時候往往會出現過擬合現象，爲了減小或者避免在訓練中出現過擬合現象，通常在原始的損失函數之後附加上正則項，通常使用的正則項有兩種：L1正則化和L2正則化。   L1正則化和L2正則化都可以看做是損失函數的懲罰項，所謂懲罰項是指對損失函數中的一些參數進行限制，讓參數在某一範圍內進行取值。L1正則化的模型叫做LASSO迴歸，L2正則化的模型

>>阅读原文<<