最優化方法：範數和規則化regularization

http://blog.csdn.net/pipisorry/article/details/52108040 機器學習中出現的非常頻繁的問題有：過擬合與規則化。先簡單的來理解下常用的L0、L1、L2和核範數規則化，最後聊下規則化項參數的選擇問題。 一般來說，監督學習可以看做最小化下面的目標函數）： θ∗=argminθ1N∑i=1NL(yi,f(xi;θ))+λ Φ(θ) 規則項Ω(w)    

>>阅读原文<<