機器學習筆記（七）機器學習（L1,L2正則化----處理過擬合問題）

主要來源：視頻學習網站Google機器學習教程 L₂ 正則化 請查看以下泛化曲線，該曲線顯示的是訓練集和驗證集相對於訓練迭代次數的損失。 上圖顯示的是某個模型的訓練損失逐漸減少，但驗證損失最終增加。換言之，該泛化曲線顯示該模型與訓練集中的數據過擬合。 根據奧卡姆剃刀定律，或許我們可以通過降低複雜模型的複雜度來防止過擬合，這種原則稱爲正則化。 也就是說，並非只是以最小化損失（經驗風險最小化）爲目標：

>>阅读原文<<