機器學習中的正則化(Regularization)

正則化的概念及原因 簡單來說，正則化是一種爲了減小測試誤差的行爲(有時候會增加訓練誤差)。我們在構造機器學習模型時，最終目的是讓模型在面對新數據的時候，可以有很好的表現。當你用比較複雜的模型比如神經網絡，去擬合數據時，很容易出現過擬合現象(訓練集表現很好，測試集表現較差)，這會導致模型的泛化能力下降，這時候，我們就需要使用正則化，降低模型的複雜度。 正則化的幾種常用方法 L1 & L2範數 首先介

>>阅读原文<<