機器學習中正則化項L1和L2

機器學習中幾乎都可以看到損失函數後面會添加一個額外項，常用的額外項一般有兩種，一般英文稱作ℓ1-norm和ℓ2-norm，中文稱作 L1正則化 和 L2正則化，或者 L1範數 和 L2範數。  他們的作用： L1正則化 可以產生稀疏權值矩陣，即產生一個稀疏模型，可以用於  特徵選擇 L1的作用主要是使得一些不重要的 特徵變爲0 ， L2正則化 可以防止模型過擬合（overfitting）；一定程度

>>阅读原文<<