機器學習中L1正則化和L2正則化有什麼區別？

1.正則化的作用   機器學習中，如果參數過多，模型過於複雜，容易產生過擬合狀態，故正則化的提出是爲了一定程度上避免過擬合。比如，常見的L1和L2正則化。 2.正則化公式 L1： L1正則化是在原來的損失函數基礎上加上權重參數的絕對值。 L2： L2正則化是在原來的損失函數基礎上加上權重參數的平方和。   它們的直觀解釋參照紅色石頭博客https://blog.csdn.net/red_stone

>>阅读原文<<