理解正則化（regularization）（貝葉斯角度還不清楚）

幾種解讀方式 L1正則 原理 求解 L2正則 原理 求解 幾種解讀方式 Loss=Lemp+λR(W) L o s s = L e m p + λ R ( W ) 其中 Lemp L e m p 爲經驗風險，由已知（訓練）數據得到，第二項爲正則項。 - 結構風險最小化：結構風險（structure risk）對應於經驗風險（empirical risk）。在選擇最優模型過程中，我們希望模型不僅能夠

>>阅读原文<<