L1正則表達式與L2正則表達式

轉自：http://blog.csdn.net/fisherming/article/details/79492602 一、 奧卡姆剃刀(Occam’s razor)原理：          在所有可能選擇的模型中，我們應選擇能夠很好的解釋數據，並且十分簡單的模型。從貝葉斯的角度來看，正則項對應於模型的先驗概率。可以假設複雜模型有較小的先驗概率，簡單模型有較大的先驗概率。    二、正則化項   

>>阅读原文<<